项目名称: 三维医学解剖学结构提取的变分模型和快速算法研究

项目编号: No.11301447

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 张建平

作者单位: 湘潭大学

项目金额: 23万元

中文摘要: 基于PDE的变分模型给图像处理带来了前所未有的数学理论基础,原来无法解决的图像问题用非线性数学中的微分方程能得以解决。三维医学解剖学结构的提取是医学图像处理中的一个重要的难题。本项目旨在促进基于PDE的图像分割方法在三维医学解剖学结构提取中的应用,深入研究迎合临床医学诊断的图像分割的变分模型,并构造快速有效地数值计算方法和正则参数选择方法。与已有的基于区域的变分能量图像分割模型的研究工作相比,我们将注重单个医学解剖学结构的提取,对图像和解剖学结构的几何特征以及医生提供的先验信息如标记点等开展比较具体的分析和研究,建立一些衡量局部统计特征的匹配性的新的能量模型,我们还将提出新的精度高,实现简单且快速有效的模型的求解方法。本课题的研究是一项具有重要理论意义和实际应用价值的工作,有利于医学图像处理的发展。

中文关键词: 医学器官提取;反问题;图像恢复;图像配准;分数阶正则化

英文摘要: PDE-based variational models have brought unprecedented mathematical theory to image processing, the hard image problems can be solved by using PDE-base methods of the nonlinear mathematical theory. The extraction of 3D medical anatomical structures is a hard problem in medical image processing. This project is to promote the application of PDE-based image segmentation methods in the extraction of three dimensional medical anatomical structures, the work will focus on studying image segmentation variational models in clinical diagnosis, and constructing fast and effective numerical methods and selection methods of regularization parameter. Compare with the exist works of region-based image segmentation models, we should mainly study the extraction of a single medical anatomical structure, analyze the geometric characteristics of the medical anatomical structures and a priori information provided by the doctor, establish the new energy model matching local statistical feature, we should also propose a new high precision, fast and effective numerical methods solving the model. The work is of great both theoretical and practical significance, is conducive to the development of medical image processing.

英文关键词: Medical Organs Extraction;Inverse Problems;Image Restoration;Image Registration;Fractional-order Regularization

成为VIP会员查看完整内容
1

相关内容

专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
112+阅读 · 2021年9月22日
专知会员服务
56+阅读 · 2021年9月22日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
114+阅读 · 2021年1月11日
专知会员服务
123+阅读 · 2020年11月15日
专知会员服务
78+阅读 · 2020年8月4日
深度学习目标检测方法及其主流框架综述
专知会员服务
147+阅读 · 2020年6月26日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
【速览】TPAMI丨泛化边缘保持和结构保持图像平滑模型
中国图象图形学学会CSIG
1+阅读 · 2021年10月15日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
最全综述 | 图像分割算法
极市平台
23+阅读 · 2019年6月23日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习目标检测算法综述
AI研习社
25+阅读 · 2019年2月1日
YOLO算法的原理与实现
机器学习研究会
43+阅读 · 2018年1月19日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
17+阅读 · 2022年1月11日
Arxiv
14+阅读 · 2021年3月10日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
A Multi-Objective Deep Reinforcement Learning Framework
小贴士
相关VIP内容
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
112+阅读 · 2021年9月22日
专知会员服务
56+阅读 · 2021年9月22日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
36+阅读 · 2021年4月23日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
114+阅读 · 2021年1月11日
专知会员服务
123+阅读 · 2020年11月15日
专知会员服务
78+阅读 · 2020年8月4日
深度学习目标检测方法及其主流框架综述
专知会员服务
147+阅读 · 2020年6月26日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
【速览】TPAMI丨泛化边缘保持和结构保持图像平滑模型
中国图象图形学学会CSIG
1+阅读 · 2021年10月15日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
最全综述 | 图像分割算法
极市平台
23+阅读 · 2019年6月23日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习目标检测算法综述
AI研习社
25+阅读 · 2019年2月1日
YOLO算法的原理与实现
机器学习研究会
43+阅读 · 2018年1月19日
相关基金
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员