该算法利用性能优良、高效率的在线字典学习算法训练字典,基于脉冲耦合神经网络确定融合系数,在保证融合质量的前提下实现了高效率融合。针对噪声下的多模态医学图像融合问题,提出了基于联合稀疏表示的医学图像融合算法。该算法借助联合稀疏表示的去噪功能,在有噪声的情况下也可以有效地实现融合,从而解决了传统融合算法抗噪能力不足的问题。针对单一字典不能反映各类型图像块差异的问题,受启发于分3-Methyladenine类稀疏表示在图像反问题中的良好表现,提出了基于块分类稀疏表示的医学图像融合算法。该算法利用分类图像块跨位置、非局部自相似性的特点,训练出具有良好非局部特征的字典,以保留源图像的边缘、纹理和细节等信息,从而可获得良好的主客观性能。(3)针对单模态超声医学图像分割中存在的特征信息利用不充分问题,基于全局和局部最大类间距准则,建立了一种变分水平集框架下什么的活动轮廓模型(命名为GLM)。进一步,挖掘超声图像的局部熵特征,提出了一种两阶段的超声图像精确分割算法。在该算法中,第一阶段利用局部熵对局部灰度扰动的鲁棒性,实现了自动化预分割。第二阶段将预分割结果作为GLM模型的初始轮廓,进行精确分割。实验表明,充分利用单模态图像的有效特征信息,可以实现高质量分割。在PET-CT肺肿瘤医学图像分割问题中,将医HDAC 抑制�?mechanism生临床经验融入算法设计,借鉴人工勾画肺肿瘤轮廓的经验,提出了基于水平集的PET-CT肺肿瘤融合图像分割方法。该方法结合区域可伸缩拟合模型和最大似然比分类准则,建立了混合活动轮廓模型,实现了 PET-CT肺肿瘤的精确分割,为临床诊疗提供了有效的计算机辅助分割结果。
内质网(endoplasmic reticulum,ER)是真核细胞分泌蛋白和膜蛋白合成和加工的场所,内质网环境的稳定是保持内质网蛋白质合成顺利进行所必须的。