东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

基于双稀疏字典的医学图像融合算法及在脑血管疾病诊断中的应用

ISSN号：1002-3208
期刊名称：北京生物医学工程
时间：2015.6.15
页码：239-243
分类：R318.04[医药卫生—生物医学工程;医药卫生—基础医学]
作者机构：[1]大连理工大学电子信息与电气工程学部,辽宁大连116024, [2]大连医科大学第二附属医院,辽宁大连116027, [3]上海电机学院电子信息学院,上海201306
相关基金：国家自然科学基金（81241059,61172108）、国家科技支撑计划项目（2012BAJ18B06）资助
相关项目：基于Renyi熵和相关熵的Alpha稳定分布信号处理新方法及应用研究

关键词：图像融合, 稀疏字典, 计算机断层扫描, 磁共振成像, image fusion, sparse dictionary, computed tomography, magnetic resonance imaging

中文摘要：

目的：通过图像融合方法结合解剖和功能医学图像以提供更多有用的信息并辅助医生诊断。方法利用稀疏表示能很好地反映图像特征的优势。首先，选取医院脑梗死和脑出血的CT和MRI的临床图像，采用双稀疏字典算法得到稀疏字典，再通过结合空间域信息的最大选择法作为融合规则对其进行融合，并与基于主成分分析（ principal component analysis ， PCA）和离散小波变换（ discrete wavelet transform， DWT）方法的图像融合结果在主观方面以及客观方面的QAB／F和Piella指标上进行比较。结果本文提出的方法所获得的融合图像主观评价优于另外两种方法。 QAB／F和Piella的均值分别为0．9139和0．7213，客观评价指标也优于另外两种方法。结论基于双稀疏字典的图像融合算法得到的融合图像更清晰，对比度更高，并且特征保留效果更好，有助于医生的诊断。

英文摘要：

Objective We use the method of image fusion combining anatomical and functional medical images to provide more useful information and to help the doctors in diagnosis .Methods Sparse representation can reflect the advantage of the image feature well .First, the CT and MRI images of cerebral infarction and cerebral hemorrhage from the hospital are selected , and the algorithm based on double sparse dictionary is used to obtain the sparse dictionary .Then the method of max selection with information of spatial domain as the fusion rule fuses the selected clinical images .Finally, the results of the proposed method are compared with the results of PCA method and DWT method in the subjective aspect and the objective aspect on the indices of QAB/F＆amp;nbsp;and Piella.Results Subjective evaluations of the fusion images obtained from the proposed method are better than the other two methods , and the mean values of QAB/F and Piella in the objective aspect are 0.9139 and 0.7213, which are superior to the other two methods .Conclusions The fusion images obtained from the proposed method based on sparse dictionary are clearer , with higher contrast , and have more features of source images , which＆amp;nbsp;is helpful in diagnosis .

同期刊论文项目