项目名称: 医学图像分析处理中的若干问题研究

项目编号: No.11147138

项目类型: 专项基金项目

立项/批准年度: 2012

项目学科: 电工技术

项目作者: 陈林飞

作者单位: 杭州电子科技大学

项目金额: 5万元

中文摘要: 随着远程放射学和互联网的发展,医学影像的大范围传输和阅读成为了可能。考虑到医学影像在传输过程中的安全性,数据加密成了很重要的环节。结合本学科的相关知识和医学图像的特点,我们提出了一种基于分数傅立叶变换、菲涅耳变换以及区域移位法的医学图像编码方法,打破传统在空频域编码的手段,实现图像在任意空间的加密,可增加分数度,自由空间传输距离等密钥,增强了编码的安全性。采用两次变换和两次区域移位的方法,可以很好的打破医学图像像素间的紧密相关性,将获得较好的编码效果。另外经过色彩分析发现,癌细胞的核颜色比普通正常细胞的核颜色偏深,彩色分量有较大的差异。因此我们可以将色度学知识和色彩空间理论应用到癌细胞的识别中。可以首先根据形态学初步确定癌细胞的范围,然后再根据它的色彩信息进行分类,最后确认癌细胞。该课题的研究将有利于推动我国医疗卫生事业的发展,相关研究成果将为医疗诊断和临床治疗起到一定的辅助作用。

中文关键词: 分数傅立叶变换;;Arnold变换;;正交分解;;区域移位法;;色彩空间

英文摘要:

英文关键词: Fractional Fourier transform;;Arnold transform;;Orthogonal decomposition;;Region shifting method;;Color space

成为VIP会员查看完整内容
4

相关内容

美国陆军研究实验室(The U.S. Army Combat Capabilities Development Command Army Research Laboratory,ARL)是美国陆军的研究实验室,其总部位于马里兰州阿德菲的阿德菲实验室中心。该实验室于1992年启动,其谱系可追溯到19世纪初。2002年,ARL并入美国陆军研究、发展和工程司令部。2019年1月,RDECOM被指定为美国陆军作战能力发展司令部、陆军未来司令部,并被指定为美国陆军作战能力发展司令部(DEVCOM)陆军研究实验室。ARL主要进行基础研究以支持美国陆军现代化,并长期专注于颠覆性科学和技术,开展研究以解答未来陆军能力中最棘手的科技问题。ARL的主要研究领域包括生物和生物技术科学、电磁频谱科学、能源科学、机械科学、军事信息科学、网络和计算科学、光子学、电子学和量子科学、极端材料科学、终端效应和武器科学等。
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
40+阅读 · 2021年7月24日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
79+阅读 · 2021年2月16日
专知会员服务
77+阅读 · 2020年12月6日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
迁移学习方法在医学图像领域的应用综述
医学图像数据读取及预处理方法总结
极市平台
22+阅读 · 2022年1月4日
监控视频的异常检测与建模综述
专知
0+阅读 · 2021年12月27日
基于深度学习的医学图像半监督分割
CVer
14+阅读 · 2020年9月24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
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
关于GANs在医学图像领域应用的总结
人工智能前沿讲习班
31+阅读 · 2019年6月4日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
深度学习下的医学图像分析(四)
AI研习社
19+阅读 · 2017年7月19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
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+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 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
19+阅读 · 2021年4月8日
Arxiv
11+阅读 · 2018年5月21日
小贴士
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
40+阅读 · 2021年7月24日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
79+阅读 · 2021年2月16日
专知会员服务
77+阅读 · 2020年12月6日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
相关资讯
迁移学习方法在医学图像领域的应用综述
医学图像数据读取及预处理方法总结
极市平台
22+阅读 · 2022年1月4日
监控视频的异常检测与建模综述
专知
0+阅读 · 2021年12月27日
基于深度学习的医学图像半监督分割
CVer
14+阅读 · 2020年9月24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
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
关于GANs在医学图像领域应用的总结
人工智能前沿讲习班
31+阅读 · 2019年6月4日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
深度学习下的医学图像分析(四)
AI研习社
19+阅读 · 2017年7月19日
相关基金
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
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+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 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员