生物医学数字图像处理技术

本书主要介绍几类常见的生物医学信息智能处理的新方法，主要针对生物细胞图像、乳腺钼靶X射线影像、胆囊超声影像、磁共振成像心室影像、磁共振成像脑部影像和心电信号的分析处理，以及医学图像加密等，涉及的智能信息处理方法包括脉冲耦合神经网络、活动轮廓模型、深度学习、三维重构技术、压缩感知、数学形态学、优化算法、小波理论、混沌理论等。本书内容系统、新颖，图像类别涵盖面广，适合生物医学工程、人工智能与计算机视觉、数字图像处理等方向的高年级本科生、研究生阅读，也可供智能信息处理与软计算理论、通信工程等相关领域的研究人员参考。

前言
第1章生物细胞图像处理1
1.1深度学习方法概述1
1.1.1深度学习方法在细胞图像处理中的新进展1
1.1.2深度学习方法的局限性2
1.2生物医学细胞图像分割的常用方法3
1.3基于PCNN自动波特征的血细胞图像分割和计数方法7
1.4基于同步可调点火脉冲耦合神经网络的细胞核分割12
1.4.1同步可调点火的脉冲耦合神经网络12
1.4.2色调提取器13
1.4.3区域生长单元13
1.4.4实验结果15
1.5基于距离估计的HE图像细胞核标定16
1.5.1细胞核的标定方法17
1.5.2实验结果19
1.6基于乳腺肿瘤细胞形态特征参数的乳腺癌诊断研究21
1.6.1基于乳腺肿瘤细胞形态特征参数的乳腺癌诊断22
1.6.2乳腺癌细胞特征参数与乳腺癌诊断之间关系23
1.6.3细胞分形与乳腺癌诊断之间关系24
参考文献25
第2章乳腺密度测量30
2.1乳腺密度测量方法概述30
2.1.1定性的乳腺密度测量方法30
2.1.2定量的乳腺密度测量方法32
2.2基于乳腺纹理特征的乳腺密度测量方法33
2.2.1乳腺钼靶X射线图像的预处理33
2.2.2乳腺钼靶X射线图像的密度测量36
2.2.3乳腺钼靶X射线图像的密度数据分析39
2.2.4结果和讨论42
2.3基于SVM的乳腺密度分类方法43
2.3.1乳腺钼靶X射线影像数据集和预处理44
2.3.2乳腺腺体组织的分割46
2.3.3乳腺纹理特征提取50
2.3.4乳腺密度分类53
2.3.5结果和讨论55
2.4基于医学影像信息管理系统的乳腺影像数据集建设59
2.4.1乳腺钼靶X射线图像数据集59
2.4.2建设乳腺影像数据集的必要性分析64
参考文献69
第3章基于深度学习的乳腺图像处理74
3.1基于深度学习的医学图像处理简介74
3.2基于深度学习的乳腺密度测量76
3.2.1深度学习方法简介76
3.2.2具体的实现方法77
3.3基于深度学习的乳腺图像异常分类新方法79
3.3.1乳腺图像分类相关工作79
3.3.2基于深度学习的病变分类方法81
3.3.3基于深度学习的病变分类新方法实验83
3.4基于深度学习的乳腺肿块感兴趣区域提取86
3.4.1深度学习目标检测模型87
3.4.2采用改进的FasterR-CNN提取乳腺肿块的感兴趣区域88
3.5基于深度学习的乳腺肿块分割93
3.5.1深度学习语义分割模型介绍94
3.5.2乳腺肿块分割对比实验95
参考文献96
第4章超声图像分析处理101
4.1医学超声图像分析简介101
4.1.1成像机理与超声检查方式101
4.1.2胆囊结石超声图像典型特征102
4.1.3胆囊结石图像分割研究综述103
4.2基于PCNN和数学形态学的胆囊结石超声图像全自动分割方法104
4.2.1分割总步骤104
4.2.2结构元素的确定104
4.2.3胆囊结石超声图像预处理105
4.2.4胆囊区域的分割113
4.2.5结石区域的分割114
4.2.6胆囊区域的后处理124
4.2.7结石区域的后处理130
4.2.8胆囊图像分割实验讨论131
4.3基于PCNN和水平集算法的胆囊结石超声图像分割方法140
4.3.1PCNN算法简介140
4.3.2基于PCNN算法的结石分割方法141
4.3.3基于水平集算法的结石分割方法144
4.4基于PCNN的前列腺超声图像病理区域检测方法145
参考文献146
第5章心室分割与三维重构149
5.1感兴趣区域自动提取149
5.2心室分割算法151
5.2.1基于SPCNN的LV内膜分割算法151
5.2.2基于参数活动轮廓模型的LV外膜分割算法153
5.2.3基于SPCNN与ASM的LV内、外膜分割算法154
5.2.4基于改进水平集的LV内膜分割算法156
5.2.5基于SPCNN与数学形态学的RV内、外膜分割算法158
5.3左心室三维重构160
5.3.1三维重构与图像插值160
5.3.2基于MC算法的左心室三维表面重构在MATLAB上的实现160
5.3.3基于轮廓线插值算法的左心室三维表面重构在OpenGL上的实现161
参考文献163
第6章高度欠采样磁共振脑成像重构165
6.1压缩感知理论与磁共振成像165
6.1.1压缩感知理论165
6.1.2磁共振成像166
6.2基于非子采样Shearlet稀疏先验的高度欠采样MRI图像重构168
6.2.1Shearlet变换168
6.2.2离散Shearlet变换的实现170
6.2.3非子采样Shearlet变换170
6.2.4基于NSST稀疏先验的高度欠采样MRI图像重构方法173
6.3基于扩展的约束型分裂增广拉格朗日收缩算法的MRI图像重构177
6.3.1字典学习和基于字典学习的稀疏表示177
6.3.2扩展的约束型分裂增广拉格朗日收缩算法180
6.4基于UDCT域多尺度字典学习的MRI图像重构182
6.4.1多尺度字典学习182
6.4.2均匀离散Curvelet变换183
6.4.3基于UDCT域多尺度字典学习双重稀疏化模型186
6.4.4适应于多尺度字典学习双重稀疏化模型的PB_CSALSA用于MRI图像重构190
参考文献192
第7章心电图自动分析与心电监护系统设计195
7.1基于提升小波变换与时域极值分布特性的ECG自动分析195
7.1.1心电信号基础知识195
7.1.2ECG特性与预处理研究难点197
7.1.3实验数据集199
7.1.4基于提升小波变换的ECG信号预处理201
7.1.5基于ECG极大值分布特性的QRS波群检测203
7.2基于MSP430的ECG智能监测系统设计209
7.2.1硬件设计210
7.2.2软件设计213
7.2.3系统测试总结215
7.3基于STM32和FPGA双处理器架构的ECG监护系统设计216
7.3.1基于平稳小波变换和形态学滤波的ECG信号去噪算法217
7.3.2系统硬件设计与实现219
7.3.3系统软件设计与实现223
7.3.4系统测试总结225
参考文献227
第8章医学图像的混沌加密230
8.1数字图像加密算法概述230
8.1.1数字图像加密算法的要求230
8.1.2几种典型的数字图像加密算法231
8.2混沌理论概述232
8.2.1混沌的定义232
8.2.2混沌系统的判断方法234
8.2.3几种经典的混沌系统237
8.3医学图像的混沌加密算法248
8.3.1混沌加密算法简介249
8.3.2实验结果252
参考文献257