【基金標(biāo)書(shū)】2010CB732500-現(xiàn)代醫(yī)學(xué)成像與高維圖像分析關(guān)鍵科學(xué)問(wèn)題研究
《【基金標(biāo)書(shū)】2010CB732500-現(xiàn)代醫(yī)學(xué)成像與高維圖像分析關(guān)鍵科學(xué)問(wèn)題研究》由會(huì)員分享,可在線閱讀,更多相關(guān)《【基金標(biāo)書(shū)】2010CB732500-現(xiàn)代醫(yī)學(xué)成像與高維圖像分析關(guān)鍵科學(xué)問(wèn)題研究(17頁(yè)珍藏版)》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。
項(xiàng)目名稱(chēng): 現(xiàn)代醫(yī)學(xué)成像與高維圖像分析關(guān)鍵科學(xué)問(wèn)題研究首席科學(xué)家: 陳武凡 南方醫(yī)科大學(xué)起止年限: 2010 年 1 月-2014 年 8 月依托部門(mén): 廣東省科技廳一、研究?jī)?nèi)容本項(xiàng)目全部課題以先驗(yàn)統(tǒng)計(jì)模型理論與線性、非線性優(yōu)化理論為基礎(chǔ),針對(duì)醫(yī)學(xué)成像與圖像分析中的具體問(wèn)題展開(kāi)研究,以求在理論與方法上有新的突破。其有待解決的關(guān)鍵科學(xué)問(wèn)題如下:(1). 病態(tài)反問(wèn)題的先驗(yàn)統(tǒng)計(jì)模型及非線性優(yōu)化從醫(yī)學(xué)圖像信息的特點(diǎn)出發(fā),針對(duì)具體的病態(tài)反問(wèn)題、線性與非線性病態(tài)方程求解問(wèn)題,探討其解的存在性與穩(wěn)定性,及相應(yīng)的先驗(yàn)統(tǒng)計(jì)模型,并對(duì)模型參數(shù)的性質(zhì)與估計(jì)方法建立理論分析框架;基于新理論的各類(lèi)醫(yī)學(xué)成像與圖像分析算法的收斂性問(wèn)題、是否全局最優(yōu)解及收斂速度的相關(guān)理論證明問(wèn)題,以確保算法的精確性與實(shí)時(shí)性;同時(shí)解決醫(yī)學(xué)成像中的關(guān)鍵應(yīng)用性問(wèn)題,重點(diǎn)是圖像的高分辨率重建模型、少量數(shù)據(jù)快速優(yōu)質(zhì)重建模型、噪聲與偽影消除模型等,旨在 為臨床提供高質(zhì)量的醫(yī)學(xué)圖像。(2). 三大成像科學(xué)中的優(yōu)質(zhì)快速與低劑量問(wèn)題成像的質(zhì)量、速度及應(yīng)用的可靠性是考量醫(yī)學(xué)影像設(shè)備性能的核心指標(biāo)。關(guān)于 MRI 成像,關(guān)鍵問(wèn)題 是保證一定圖像質(zhì)量的前提下盡可能提高成像速度,主要解決途徑為采用高切 換率梯度線圈和多個(gè)射頻接收線圈進(jìn)行數(shù)據(jù)的并行采集與提出少量成像數(shù)據(jù)下的優(yōu)化重建算法;關(guān)于 CT 成像,關(guān)鍵問(wèn)題是在保證一定圖像質(zhì)量的前提下盡可能降低放射劑量,主要解決途徑依賴于低劑量下噪聲模型的建立,高 質(zhì)量統(tǒng)計(jì)優(yōu)化算法的設(shè)計(jì)以及偽影消除方法的研究;關(guān)于 PET 成像,關(guān)鍵問(wèn)題 是如何提升成像的分辨率與 獲得準(zhǔn)確的具有生理意義相關(guān)參數(shù),主要依 賴于基于先驗(yàn)知識(shí)的動(dòng)態(tài)圖像優(yōu)質(zhì)重建算法。(3). 臨床高維多模態(tài)圖像分析與智能識(shí)別問(wèn)題真三維和準(zhǔn)四維的多模態(tài)醫(yī)學(xué)圖像建模方法問(wèn)題,解決從高維圖像中分割重要臟器,并動(dòng)態(tài)定量分析其功能的問(wèn)題;高維多模態(tài)醫(yī)學(xué)圖像的術(shù)中快速魯棒配準(zhǔn)和實(shí)時(shí)融合顯示問(wèn)題;外科手術(shù)導(dǎo)航系統(tǒng)中的真三維虛擬現(xiàn)實(shí)增強(qiáng)問(wèn)題,高 維多模態(tài)醫(yī)學(xué)圖 像在臨床的應(yīng)用效果與效率問(wèn)題;基于多核計(jì)算的高維多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)的快速可視化方法,設(shè)計(jì)新型敏捷的可視分析用戶界面。有效獲取正常組織 和病灶的先驗(yàn)統(tǒng)計(jì)參數(shù)和模糊特征矢量作為檢索依據(jù),從圖像特征空間如結(jié) 構(gòu)、 紋理和形狀等中發(fā)現(xiàn)語(yǔ)義結(jié)構(gòu),建立低 層特征空間到高層語(yǔ)義空間的映射函數(shù),進(jìn)行模糊語(yǔ)義空間層次上的圖像檢索。本項(xiàng)目針對(duì)上述醫(yī)學(xué)成像與圖像分析中關(guān)鍵科學(xué)問(wèn)題,從模糊隨機(jī)理論與優(yōu)化理論研究出發(fā),研究具體醫(yī)學(xué)成像與圖像分析問(wèn)題中的數(shù)學(xué)模型與相關(guān)快速收斂算法,從而既有助于臨床更有效地綜合利用現(xiàn)有高維多模態(tài)圖像信息,又能形成多項(xiàng)發(fā)明專(zhuān) 利, 為自主生產(chǎn)大型醫(yī)療設(shè)備提供有力的技術(shù)支持,以滿足我國(guó)相關(guān)產(chǎn)業(yè)發(fā)展的重大需求。下面分 層次具體列出其研究?jī)?nèi)容。(1). 先驗(yàn)統(tǒng)計(jì)模型與非線性優(yōu)化首先本項(xiàng)目以模糊隨機(jī)理論與優(yōu)化理論為基礎(chǔ),建立先驗(yàn)統(tǒng)計(jì)模型的新理論,對(duì) 新理論中的關(guān)鍵問(wèn)題 提出有效解決辦法。主要內(nèi)容包括:? 研究建立有效的先驗(yàn)統(tǒng)計(jì)模型,新模型的構(gòu)建將突破傳統(tǒng)先驗(yàn)?zāi)P椭袃H有局部特征信息而無(wú)統(tǒng)計(jì)信息的局限,建立非局部的先驗(yàn)信息模型,將非局部鄰域內(nèi)的統(tǒng)計(jì)信息與模糊性進(jìn)行優(yōu)化耦合,為模型中的相關(guān)多參數(shù)設(shè)計(jì)提供更為有力的信源支持;? 研究先驗(yàn)統(tǒng)計(jì)模型與高效優(yōu)化算法的耦合,建立由先驗(yàn)統(tǒng)計(jì)模型導(dǎo)引的新的非線性優(yōu)化算法,旨在解決相關(guān)優(yōu)化算法中的瓶頸問(wèn)題;? 研究先驗(yàn)統(tǒng)計(jì)模型中全局多參數(shù)的自適應(yīng)非線性估計(jì),實(shí)現(xiàn)信息的高效魯棒性處理;? 研究針對(duì)醫(yī)學(xué)成像與醫(yī)學(xué)圖像分析的先驗(yàn)統(tǒng)計(jì)模型的最優(yōu)解的快速收斂算法,以實(shí)現(xiàn)醫(yī)學(xué)信息的優(yōu)質(zhì)處理;? 針對(duì)新模型中解的存在性與穩(wěn)定性等理論進(jìn)行探討與分析;? 泛化與凝練前沿科學(xué)問(wèn)題,并建立復(fù)雜環(huán)境下優(yōu)化問(wèn)題的一般理論和方法。對(duì)上述問(wèn)題的分析和解決,為后續(xù)的各項(xiàng)技術(shù)研究提供強(qiáng)大的理論支持,是本項(xiàng)目研究的創(chuàng)新性和領(lǐng)先性的重要保證。(2). 優(yōu)質(zhì)快速安全的醫(yī)學(xué)成像臨床醫(yī)學(xué)對(duì)成像的精度與實(shí)時(shí)性要求高,同時(shí)要求盡可能降低對(duì)人的損害程度,故如何快速精確的獲得臨床所需醫(yī)學(xué)圖像需要投入大量的研究,同時(shí)可以為臨床診斷與計(jì)算機(jī)輔助分析提供高質(zhì)量的圖像信息。本項(xiàng)目中相關(guān)研究如下:? 優(yōu)質(zhì)的 PET 成像 深入分析 PET 成像系統(tǒng)的不確定性和測(cè)量噪聲對(duì)圖像的影響,借助 Monte Carlo 模擬, 優(yōu)化重建條件;研究低 計(jì)數(shù)率、高 時(shí)間分辨下的放射性濃度魯棒重構(gòu)算法;研究準(zhǔn)確可靠的動(dòng)力學(xué)參數(shù)圖像的重建理論與方法;研究從發(fā)射測(cè)量數(shù)據(jù)中,同時(shí)估計(jì)衰減系數(shù)與放射性濃度的理論與方法;研究放射性濃度與動(dòng)力學(xué)參數(shù)聯(lián)合估計(jì)理論與方法;探索加速收斂減小計(jì)算復(fù)雜度的快速重建算法;? 快速的 MRI 成像 重點(diǎn)研究在保證成像質(zhì)量基本不降的前提下 縮短 MRI成像時(shí)間的方法,研究并行 MRI 成像中的電磁場(chǎng)計(jì)算、陣列線圈設(shè)計(jì)、敏感度估計(jì)與優(yōu)質(zhì)重建算法,主要包括線圈陣列設(shè)計(jì)中電磁場(chǎng)計(jì)算中的先驗(yàn)約束模型與非線性優(yōu)化理論、解決線圈單元間的去偶合、實(shí)現(xiàn)線圈共振頻率的自調(diào)諧,同時(shí)將計(jì)算得到的電磁場(chǎng)先驗(yàn)知識(shí)引入敏感度分布的估計(jì)以提高估計(jì)精度;研發(fā)高切換率的梯度線圈及其渦流補(bǔ)償計(jì)算方法;結(jié)合具體的臨床 3D 成像應(yīng)用研究隨機(jī)稀疏降采 樣情況下重建中的1 范數(shù)約束模型與快速非線性優(yōu)化算法,提高少量數(shù)據(jù) MRI 的成像質(zhì)量;綜合利用并行采集與稀疏采樣的思想,結(jié)合快速成像序列設(shè)計(jì)(如全穩(wěn)態(tài)成像、螺旋采集等)與其他提高成像質(zhì)量的方法(如脂肪抑制、非剛性運(yùn)動(dòng)偽影消除、Ghost 偽影消除、磁敏感不均勻性校正等),為臨床提供優(yōu)質(zhì)快速 MRI 成像解決方案;? 安全的 CT 成像 完成低劑量 CT 投影數(shù)據(jù)的隨機(jī) 統(tǒng)計(jì)特征分析,建立低劑量條件下投影數(shù)據(jù)的噪聲統(tǒng)計(jì)量模型,根據(jù)噪聲模型和具體成像特點(diǎn)設(shè)計(jì)投影空間噪聲抑制方案;在采用解析重建算法中,重點(diǎn)研究各階段間隨機(jī)統(tǒng)計(jì)噪聲特征及其傳播方式、研究低劑量條件下重建后圖像的噪聲統(tǒng)計(jì)量模型,及基于該模型的多種偽影消除方法;在采用統(tǒng)計(jì)迭代重建算法中,開(kāi)展相關(guān)基于先驗(yàn)統(tǒng)計(jì)模型的 CT 迭代重建研究,并應(yīng)用于多光譜低劑量三維錐形束 CT 的快速重建。(3). 高維醫(yī)學(xué)圖像分析與建模醫(yī)學(xué)影像設(shè)備的成像模式、速度和分辨率快速發(fā)展,使得對(duì)人體器官的功能和生理過(guò)程的精確、定量 評(píng)估成為可能。真三 維 和準(zhǔn)四維醫(yī)學(xué)圖像給傳統(tǒng)可視化理論和方法帶來(lái)巨大挑戰(zhàn),該部分研究主要包括:? 針對(duì)高維圖像的特點(diǎn),深入研究廣義模糊 Gibbs 隨機(jī)場(chǎng)模型在不同模態(tài)圖像中的建模理論,建立了適合高維多模態(tài)醫(yī)學(xué)圖像的廣義模糊優(yōu)化模型,并在此基礎(chǔ)上研究新型醫(yī)學(xué)圖像分割、配準(zhǔn)和可視化方法;研究高維多模態(tài)醫(yī)學(xué)圖像在臨床診斷、治療中的應(yīng)用效果與效率評(píng)估;? 針對(duì)四維(3D+T)心血管圖像, 優(yōu)化完善包括心室形態(tài)、心肌應(yīng)變應(yīng)力、心臟組織材料特性等心血管診斷關(guān)鍵參數(shù)的魯棒計(jì)算方法;深入研究多模態(tài)動(dòng)態(tài)心臟影像配準(zhǔn)算法和可視化方法;? 深入研究大尺寸、動(dòng)態(tài)、高 維醫(yī)學(xué)數(shù)據(jù)可視化的多核加速算法,設(shè)計(jì)革新的基于草圖的用戶操作界面,著重解決多模態(tài)信息的精確融合、基于統(tǒng)計(jì)學(xué)習(xí)的信息提煉和表意性可視化等關(guān)鍵難題。? 研究基于 GPU 的體數(shù)據(jù)渲染、分割和配準(zhǔn)方法;研究 臨床環(huán)境下三維視野的精確定位方法以及交互手段、海量數(shù)據(jù)的三維可視化方法以及多模態(tài)數(shù)據(jù)的真三維融合顯示系統(tǒng)。(4). 病灶智能識(shí)別與模態(tài)映射大多數(shù)疾病在不同模態(tài)下均有顯像,因此利用 CBIR 系統(tǒng)實(shí)現(xiàn)病灶的智能識(shí)別與模態(tài)特征過(guò)渡具重要意義,也是一項(xiàng)開(kāi)創(chuàng)性工作,其研究包括:? 利用機(jī)器學(xué)習(xí)實(shí)現(xiàn)人體不同部位共約十萬(wàn)個(gè)病例的影像資料與正常或其他非正常資料的自動(dòng)標(biāo)記和分類(lèi),構(gòu)建醫(yī)學(xué)圖像數(shù)據(jù)庫(kù);? 針對(duì)人體不同器官的正常組織與病灶特性,設(shè)計(jì)不同的特征描述算子和分類(lèi)方法;對(duì)每個(gè)特征賦予模糊隸屬度和關(guān)聯(lián)反饋屬性參數(shù),保證大范圍搜索的有效性與高的檢出率;? 利用流形子空間方法對(duì)圖像特征進(jìn)行降維,有效降低檢索所需的時(shí)間復(fù)雜度;為了解決當(dāng)前圖像檢索系統(tǒng)在語(yǔ)義層次上的局限性,建立模糊語(yǔ)義空間,并進(jìn)行模糊語(yǔ)義空間層次上的圖像檢索; ? 由于病灶的復(fù)雜性,不能做到精確匹配,所以我們提出模糊相似測(cè)度的概念和相關(guān)運(yùn)算規(guī)則,使得有足夠的冗余度保證高的查全率;? 大多數(shù)疾病在不同模態(tài)下均有顯像,因此如何實(shí)現(xiàn)模態(tài)特征過(guò)渡具重要意義也是一項(xiàng)開(kāi)創(chuàng)性工作,我們提出多模態(tài)特征映射基本框架, 求出不同模態(tài)下圖像的映射關(guān)系式。本項(xiàng)目的研究?jī)?nèi)容涵蓋了模糊隨機(jī)基礎(chǔ)先驗(yàn)理論與非線性優(yōu)化理論的基礎(chǔ)創(chuàng)新部分,同時(shí)它又包含了 針對(duì)醫(yī)學(xué)成像、 圖像分析與檢索中的關(guān)鍵科學(xué)問(wèn)題展開(kāi)的應(yīng)用基礎(chǔ)研究部分,所提基礎(chǔ)理論研究部分可以為各應(yīng)用基礎(chǔ)研究方向提供理論與方法上的支持,使得各具體應(yīng)用研究間的方法可以相互支撐,促進(jìn)項(xiàng)目的總體進(jìn)展。二、預(yù)期目標(biāo)本項(xiàng)目的總體目標(biāo): 本項(xiàng)目在理、工、醫(yī)結(jié)合的基礎(chǔ)上,通過(guò)在先驗(yàn)統(tǒng)計(jì) 模型與優(yōu)化算法基礎(chǔ)研究領(lǐng)域上的源創(chuàng)新,致力于解決當(dāng)前醫(yī)學(xué)成像與高維多模態(tài)圖像分析中亟需的關(guān)鍵難題,其成功實(shí)施將 為我國(guó)自主研制大型影像設(shè)備與圖像分析軟件提供理論與技術(shù)支撐;所形成的醫(yī)學(xué)成像與圖像分析的新技術(shù)新方法,還能為其它類(lèi)型的信息處理提供理論與方法指導(dǎo);同時(shí),要培養(yǎng)出一批高素質(zhì)的理工醫(yī)結(jié)合的研究人才,建立起一支高水平的醫(yī)學(xué)成像與圖像分析領(lǐng)域研究團(tuán)隊(duì)。五年預(yù)期目標(biāo): 本項(xiàng)目將通過(guò)深入研究,在大型醫(yī)學(xué)影像設(shè)備(PET 、CT 與 MRI)的優(yōu)質(zhì)成像、高維多模態(tài)圖像的綜 合分析與融合表達(dá)、基于內(nèi)容的醫(yī)學(xué)圖像檢索等方面提出全新的理論、方法與技 術(shù):? 本項(xiàng)目通過(guò)對(duì)臨床醫(yī)學(xué)成像與圖像分析中先驗(yàn)統(tǒng)計(jì)模型與非線性優(yōu)化求解方法的創(chuàng)新性基礎(chǔ)研究,為快速 MRI 成像、低劑量 CT 成像、 動(dòng)態(tài) PET成像、高維多模態(tài)圖像分析等建立起較完整系統(tǒng)的理論基石與方法框架;? 本項(xiàng)目將獲得術(shù)中低劑量條件下 CT 成像中數(shù)據(jù)的 統(tǒng)計(jì)特性規(guī)律及噪聲傳播機(jī)制,并建立精確的數(shù)據(jù)校正與圖像重建算法,繼而減少成像中噪聲與偽影(如金屬偽影、運(yùn)動(dòng)偽影等)的干擾;? 本項(xiàng)目在保證成像質(zhì)量為臨床能接受的前提下,綜合并行成像與稀疏采樣重建算法將二維 MRI 成像時(shí)間縮短為現(xiàn)有方法的 1/3 到 1/4,三維 MRI 與動(dòng)態(tài) MRI 成像時(shí)間縮短為現(xiàn)有方法的 1/5 到 1/10;? 本項(xiàng)目顯著降低 PET 系統(tǒng)噪聲對(duì)動(dòng)力學(xué)參數(shù)估 計(jì)的影響,與傳統(tǒng)的間接參數(shù)估計(jì)方法相比,將動(dòng)力學(xué)參數(shù)空間分布圖像信噪比提高 30-40%;? 本項(xiàng)目建立大型高維多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)庫(kù),以此為基礎(chǔ)實(shí)現(xiàn)基于先驗(yàn)?zāi)P椭笇?dǎo)的自動(dòng)、魯棒和精確的三維動(dòng)態(tài)圖像分析和量化功能參數(shù)估計(jì),實(shí)現(xiàn)術(shù)中、實(shí)時(shí)多模態(tài)醫(yī)學(xué)配準(zhǔn)與適合高維圖像的自適應(yīng)可視化方法;實(shí)現(xiàn)基于各種模態(tài)間的模糊映射與腫瘤、出血等常見(jiàn)疾病的智能識(shí)別,為臨床影像學(xué)診斷提供重要輔助作用的醫(yī)用 CBIR 系統(tǒng)。? 本項(xiàng)目的實(shí)施過(guò)程中,要培養(yǎng)出一批學(xué)術(shù)水平高、研究活力強(qiáng)的學(xué)術(shù)帶頭人與中青年學(xué)術(shù)骨干(將培育國(guó)家杰出青年基金獲得者 6 名左右,培養(yǎng)博士研究生 90 名左右,碩士生 120 名左右),形成一支專(zhuān)門(mén)從事醫(yī)學(xué)成像與圖像分析處理研究的高素質(zhì)人才隊(duì)伍,推動(dòng)我國(guó)在醫(yī)學(xué)成像與圖像分析領(lǐng)域的研究更快更好地發(fā)展;? 通過(guò)本項(xiàng)目的研究,將建立我國(guó)第一個(gè)“現(xiàn)代數(shù)字化醫(yī)學(xué)成像與 圖像分析基礎(chǔ)研究基地” ,以便為國(guó)內(nèi)相關(guān)高校、研究機(jī)構(gòu)與相關(guān) 產(chǎn)業(yè)之間的長(zhǎng)期穩(wěn)定合作與國(guó)際合作研究創(chuàng)造優(yōu)越條件;? 本項(xiàng)目研究成果體現(xiàn)為:發(fā)表 300 篇論文(其中國(guó)際一流刊物和國(guó)際權(quán)威學(xué)術(shù)會(huì)議發(fā)表約 200 篇),申報(bào)約 25 項(xiàng)發(fā)明專(zhuān)利(其中被采用或轉(zhuǎn)讓發(fā)明專(zhuān)利 8 項(xiàng)),獲計(jì)算機(jī)軟件版權(quán) 3 項(xiàng),并出版 專(zhuān)著兩部。三、研究方案1)學(xué)術(shù)思路: ? 以前一期國(guó)家 973 計(jì)劃項(xiàng)目 “重要臨床醫(yī)學(xué)信息處理的關(guān)鍵科學(xué)問(wèn)題研究” (2003-2008)提出的模糊隨機(jī)模型理論為 基礎(chǔ), 進(jìn)一步深入研究先驗(yàn)統(tǒng)計(jì)新理論及其各類(lèi)非線性最優(yōu)化算法;? 以先驗(yàn)統(tǒng)計(jì)模型理論和本項(xiàng)目組主要先行研究為基礎(chǔ),提出具體的醫(yī)學(xué)成像和圖像分析先驗(yàn)統(tǒng)計(jì)模型及其最優(yōu)化方法,如低劑量 CT快速成像、優(yōu)質(zhì)快速的 PET 成像和動(dòng)力學(xué)參數(shù)估計(jì) 、少量數(shù)據(jù) MRI成像、高維多模態(tài)圖像分析以及醫(yī)學(xué)圖像檢索等;? 以本項(xiàng)目組主要成員的先行研究為基礎(chǔ),建立低劑量 CT 投影數(shù)據(jù)的模糊統(tǒng)計(jì)特征模型;研究低劑量 CT 成像中各階段隨機(jī) 統(tǒng)計(jì)噪聲特征及其傳播機(jī)制,建立低劑量 CT 成像中數(shù)據(jù)處理與 優(yōu)質(zhì)成像新理論;研究低劑量 CT 圖像偽影消除新方法;? 以本項(xiàng)目組主要成員的先行研究為基礎(chǔ),主要針對(duì) CT、PET、MRI成像,在先驗(yàn)統(tǒng)計(jì)、正則化準(zhǔn)則和優(yōu)化求解方法方面開(kāi)展深入的研究,以求取得具有原創(chuàng)性的功能圖像重建算法及系統(tǒng);? 以本項(xiàng)目組先行研究為基礎(chǔ),提出高維多模態(tài)圖像和解剖結(jié)構(gòu)的概率模型;研究快速魯棒的多模態(tài)動(dòng)態(tài)高維圖像數(shù)據(jù)分割與配準(zhǔn)算法;提出包括心肌應(yīng)變應(yīng)力、材料特性等診斷關(guān)鍵參數(shù)的自適應(yīng)估計(jì)新算法,完善三維可視化方法與混合現(xiàn)實(shí)增強(qiáng)技術(shù),使其真正應(yīng)用于臨床診斷、術(shù)前規(guī)劃與外科手術(shù)導(dǎo)航。? 以本項(xiàng)目組主要成員的先行研究為基礎(chǔ),主要針對(duì)相關(guān)反饋方法,在模糊語(yǔ)義空間層次上的圖像檢索開(kāi)展深入的研究,以求取得具有原創(chuàng)性的 CBIR 算法及系統(tǒng)。2)技術(shù)途徑: ? 研究醫(yī)學(xué)成像和醫(yī)學(xué)信息處理中的各類(lèi)反問(wèn)題及其優(yōu)化求解中的各階段數(shù)據(jù)(如變換域) 的模糊隨機(jī)及統(tǒng)計(jì)性質(zhì),研究其對(duì)問(wèn)題求解的影響,為有關(guān)醫(yī)學(xué)成像和醫(yī)學(xué)信息處理中的關(guān)鍵科學(xué)問(wèn)題解決作基礎(chǔ)準(zhǔn)備。? 在全部研究工作中,將優(yōu)先解決先驗(yàn)統(tǒng)計(jì)模型理論建立問(wèn)題,為醫(yī)學(xué)成像和醫(yī)學(xué)信息處理模型的構(gòu)建提供統(tǒng)一的框架,為具體反問(wèn)題的最優(yōu)化求解提供理論支撐,也是解決其他關(guān)鍵算法的先行條件。? 在全部最優(yōu)化方法中,將以本項(xiàng)目提出的自適應(yīng)先驗(yàn)統(tǒng)計(jì)正則化研究方法為基礎(chǔ),研究醫(yī)學(xué)成像和醫(yī)學(xué)圖像分析中穩(wěn)健的快速全局最優(yōu)化算法,并將其思想方法、論證方式推廣至其他最優(yōu)化方法中去。? 以先驗(yàn)統(tǒng)計(jì)優(yōu)化理論和最優(yōu)化理論為基礎(chǔ),研究高維多模態(tài)醫(yī)學(xué)圖像的建模和優(yōu)化方法,并將其延伸到各種模態(tài)的醫(yī)學(xué)圖像分割、配準(zhǔn)與運(yùn)動(dòng)估計(jì)中。針對(duì)心血管影像,提出完備和實(shí)用的生理過(guò)程的自動(dòng)、精確和定量評(píng)估方法。? 研究高維醫(yī)學(xué)影像數(shù)據(jù)的表意性可視化與敏捷交互方法,并采用可編程圖形硬件和并行計(jì)算加速分析處理過(guò)程。針對(duì)外科手術(shù)導(dǎo)航中的實(shí)時(shí)交互和精確定位的需求,完善虛擬增強(qiáng)現(xiàn)實(shí)和真三維體顯示方法。? 在模糊特征的智能識(shí)別與模態(tài)映射問(wèn)題研究中,將利用譜圖分析法和正則化參數(shù)自適應(yīng)修改的回歸模型,建立低層特征空間到高層模糊語(yǔ)義空間的映射函數(shù)。模 糊 性 質(zhì) 分 析 醫(yī) 學(xué) 信 息 數(shù) 據(jù) 庫(kù) MR重建模 糊 吉 波 斯統(tǒng) 計(jì) 理 論統(tǒng) 計(jì) 性 質(zhì) 分 析隨 機(jī) 性 質(zhì) 分 析 知 識(shí) 工 程 反 問(wèn) 題 的 建 立CT重建 PE重建各 類(lèi) 優(yōu) 化 算 法圖 像 分 割 圖 像 配 準(zhǔn) 智 能 識(shí) 別 電 磁 計(jì) 算CBIR圖 像 檢 索 高 效 射 頻 線 圈產(chǎn) 業(yè) 與 臨 床 測(cè) 試高 維 多 模 態(tài) 圖 像 分 析本項(xiàng)目技術(shù)路線圖3) 創(chuàng)新點(diǎn)與特色: ? 本項(xiàng)目將創(chuàng)建一個(gè)全新的臨床醫(yī)學(xué)成像和醫(yī)學(xué)圖像分析中的先驗(yàn)統(tǒng)計(jì)理論體系,結(jié)合現(xiàn)代優(yōu)化理論,提出各 類(lèi)具體病態(tài)反問(wèn)題的魯棒非線性求解方法;? 本項(xiàng)目將揭示 CT 成像中的數(shù)據(jù)統(tǒng)計(jì)特性及其 傳播機(jī)制,建立低劑量 CT 的數(shù)據(jù)校正、圖像重建及 偽影抑制算法;? 建立基于先驗(yàn)統(tǒng)計(jì)理論的 PET 重建與動(dòng)力學(xué)參數(shù)估 計(jì)模型與面向臨床應(yīng)用的動(dòng)態(tài) PET 成像算法;? 為臨床提供基于多線圈并行采集與少量稀疏數(shù)據(jù)優(yōu)質(zhì)重建的快速M(fèi)RI 成像解決方案;? 本項(xiàng)目將建立適合高維多模態(tài)醫(yī)學(xué)圖像的分割、配準(zhǔn)和可視化方法,提出高維多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)的快速可視化與高效分析解決方案,提出高層模糊語(yǔ)義空間層次上圖像檢索,開(kāi)創(chuàng)性地開(kāi)展醫(yī)學(xué)圖像模糊特征的智能提取和識(shí)別,實(shí)現(xiàn)不同模態(tài)圖像間的映射。以上創(chuàng)新均以先行 937 項(xiàng)目研究成果為基礎(chǔ),故屬于源創(chuàng)新,且構(gòu)成完備創(chuàng)新體系。4)可行性分析: ? 本項(xiàng)目屬理、工、醫(yī)交叉學(xué)科研究,參研單位有多年的合作基礎(chǔ),經(jīng)先行 973 計(jì)劃項(xiàng)目的成功合作,已形成一支以中青年為骨干的高水平的具有創(chuàng)新性的研究團(tuán)隊(duì),已具豐富的知識(shí)交叉與互滲經(jīng)驗(yàn),能營(yíng)造優(yōu)良的合作研究氛圍。本項(xiàng)目是先行 973 計(jì)劃項(xiàng)目研究工作的深入和拓展,其全部新理論與新算法均以先行研究成果為堅(jiān)實(shí)支撐,盡管難度大,但理論與技術(shù)上能夠?qū)崿F(xiàn);? 主要專(zhuān)家與骨干在醫(yī)學(xué)成像和醫(yī)學(xué)圖像處理,隨機(jī)過(guò)程理論、最優(yōu)化與臨床診斷等方面功底扎實(shí),經(jīng)驗(yàn)豐富, 對(duì)當(dāng)前最新醫(yī)學(xué)信息處理算法的掌握全面深刻;? 南方醫(yī)科大學(xué)醫(yī)學(xué)圖像處理廣東省重點(diǎn)實(shí)驗(yàn)室(原第一軍醫(yī)大學(xué)全軍重點(diǎn)實(shí)驗(yàn)室)是全國(guó)唯一(省級(jí))專(zhuān)門(mén)從事醫(yī)學(xué)圖像研究的學(xué)術(shù)機(jī)構(gòu);近年來(lái),該室承擔(dān)國(guó)家、省、 軍隊(duì)重點(diǎn)項(xiàng)目與面上 項(xiàng)目 13 項(xiàng),獲國(guó)家、軍隊(duì)、省部二等以上成果獎(jiǎng) 11 項(xiàng)(含國(guó)家技術(shù)發(fā)明二等獎(jiǎng) 1項(xiàng),教育部國(guó)家科技成果提名技術(shù)發(fā)明一等獎(jiǎng) 1 項(xiàng),國(guó)家科技進(jìn)步二等獎(jiǎng) 1 項(xiàng)),發(fā)表國(guó)內(nèi)外高水平學(xué)術(shù)論文 320 多篇,出版專(zhuān)著二部,研究工作積累豐厚。本實(shí)驗(yàn)室研制的功能化圖像歸檔與通信系統(tǒng)已安裝于多家大型醫(yī)院,為本項(xiàng)目的臨床實(shí)踐予以有力支持。另外,本實(shí)驗(yàn)室的圖像數(shù)據(jù)庫(kù)已存儲(chǔ)了包括CT、MRI、fMRI、PET、SPECT、DSA、X 光、超聲等在內(nèi)的圖像數(shù)據(jù)幾十萬(wàn)幀,為本項(xiàng)目開(kāi)展提供了優(yōu)越的條件;? 其他參研單位均依托國(guó)內(nèi)一流的國(guó)家重點(diǎn)或部級(jí)重點(diǎn)實(shí)驗(yàn)室(北京交通大學(xué)數(shù)學(xué)與應(yīng)用數(shù)學(xué)教育部重點(diǎn)實(shí)驗(yàn)室、電子科技大學(xué)生物醫(yī)學(xué)信息檢測(cè)與智能信息處理重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)生物醫(yī)學(xué)工程教育部重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)光學(xué)儀器國(guó)家重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室、東南大學(xué)法國(guó)國(guó)家健康與醫(yī)學(xué)研究院生物醫(yī)學(xué)信息國(guó)際聯(lián)合實(shí)驗(yàn)室),研究實(shí)力與科研環(huán)境均處于國(guó)內(nèi)領(lǐng)先水平或國(guó)際先進(jìn)水平,為本項(xiàng)目的順利實(shí)施鋪平了道路;? 原始數(shù)據(jù)與臨床數(shù)據(jù)來(lái)源有充分的保證,MRI 類(lèi)數(shù)據(jù)、CT 數(shù)據(jù)、PET 數(shù)據(jù)分別由寧波鑫高益磁共振公司、沈陽(yáng)東軟 醫(yī)療、GE 公司、西門(mén)子公司和日本濱松光子學(xué)株式會(huì)社提供;各類(lèi)醫(yī)學(xué)圖像實(shí)驗(yàn)數(shù)據(jù)分別由天津醫(yī)科大學(xué)總醫(yī)院、南方醫(yī)科大學(xué)第一附屬醫(yī)院、華西醫(yī)院與山西醫(yī)科大學(xué)第一附屬醫(yī)院提供。四、年度計(jì)劃研究?jī)?nèi)容 預(yù)期目標(biāo)第一年1. 充分調(diào)研國(guó)內(nèi)外最新進(jìn)展,掌握關(guān)于現(xiàn)代醫(yī)學(xué)成像與高維多模態(tài)圖像分析的最新研究動(dòng)態(tài),啟動(dòng)本項(xiàng)目研究2. 研究現(xiàn)代醫(yī)學(xué)成像(CT、MRI、PET)與高維醫(yī)學(xué)圖像分析中的先驗(yàn)統(tǒng)計(jì)模型的構(gòu)建,及反問(wèn)題求解算法研究,利用臨床數(shù)據(jù)進(jìn)行數(shù)值實(shí)驗(yàn)3. 研究 CT 成像中的運(yùn)動(dòng)偽影消除與低劑量重建的有效約束模型4. 研究部分 K 空間數(shù)據(jù)的重建方法與射頻與梯度線圈電磁計(jì)算理論及設(shè)計(jì)方法5. 深入分析 PET 成像系統(tǒng)的不確定性與 PET 測(cè)量數(shù)據(jù)特性6. 研究適合高維醫(yī)學(xué)圖像的廣義模糊優(yōu)化模型與大尺寸、動(dòng)態(tài)和高維醫(yī)學(xué)數(shù)據(jù)可視化的多核加速算法7. 收集大量典型臨床影像資料,設(shè)計(jì)、構(gòu)建本項(xiàng)目的研究數(shù)據(jù)庫(kù)1. 建立醫(yī)學(xué)成像與高維醫(yī)學(xué)圖像分析中的不同變換域內(nèi)的先驗(yàn)統(tǒng)計(jì)模型,并提出快速有效的反問(wèn)題求解算法2. 提出基于有限差分的 MRI 梯度線圈設(shè)計(jì)新方法;結(jié)合邊界元方法和正則化技術(shù)設(shè)計(jì)提出梯度線圈設(shè)計(jì)新方法;實(shí)現(xiàn)梯度場(chǎng)的2D 非線性校正3. 完善基于不動(dòng)點(diǎn)原理的稀疏數(shù)據(jù)圖像重建算法,并進(jìn)行并行成像算法的初步研究4. 搭建 CT 實(shí)驗(yàn)平臺(tái),再現(xiàn)部分最新重建算法,供今后算法比較5. 充分掌握 PET 成像不確定性對(duì)于圖像的影響6. 從高維多模態(tài)圖像性質(zhì)出發(fā),建立適合高維醫(yī)學(xué)圖像的模糊隨機(jī)優(yōu)化模型,實(shí)現(xiàn)在真三維顯示設(shè)備上的動(dòng)態(tài)多模體數(shù)據(jù)渲染7. 提出基于模糊支持向量機(jī)的圖像分類(lèi)方案,對(duì)實(shí)驗(yàn)樣本進(jìn)行訓(xùn)練,完成臨床資信的獲取與自動(dòng)分類(lèi),建立比較完善的數(shù)據(jù)庫(kù)第二年1. 研究先驗(yàn)統(tǒng)計(jì)模型與高效優(yōu)化算法的耦合及由先驗(yàn)統(tǒng)計(jì)模型導(dǎo)引的新的非線性優(yōu)化算法,研究先驗(yàn)統(tǒng)計(jì)模型中全局多參數(shù)的自適應(yīng)非線性估計(jì)方法2. 研究快速成像的自屏蔽梯度線圈的設(shè)計(jì)與 3D 梯度非線性校正的研究;研究磁共振各種序列圖像稀疏性質(zhì),進(jìn)而完成相應(yīng)的先1. 建立由先驗(yàn)統(tǒng)計(jì)模型導(dǎo)引的新的非線性優(yōu)化算法,實(shí)現(xiàn)先驗(yàn)統(tǒng)計(jì)模型中全局多參數(shù)的自適應(yīng)非線性估計(jì),并提出快速有效的反問(wèn)題求解算法2. 提出一種適于快速成像的梯度線圈的設(shè)計(jì)新方法,完成制作測(cè)試并實(shí)現(xiàn) 3D 梯度場(chǎng)非線性校正;得到最優(yōu)的序列圖像稀疏性質(zhì)研究?jī)?nèi)容 預(yù) 期目標(biāo)驗(yàn)?zāi)P驮O(shè)計(jì)與快速優(yōu)化算法3. 分析低劑量 CT 觀測(cè)數(shù)據(jù)的噪聲統(tǒng)計(jì)特征,并給出噪聲抑制方法;研究 CT 圖像偽影的形成并提出相應(yīng)的偽影消除算法4. 系統(tǒng)分析 PET 示蹤劑動(dòng)力學(xué)模型,在成像系統(tǒng)與示蹤劑模型研究基礎(chǔ)上,針對(duì)數(shù)據(jù)統(tǒng)計(jì)特性與成像系統(tǒng)存在雙重不確定性的問(wèn)題,提出動(dòng)態(tài)成像重建算法5. 研究有描述力的底層特征并實(shí)現(xiàn)其快速分類(lèi)和模型到數(shù)據(jù)的匹配策略,并針對(duì)臨床影像分割提出具體解決方案;研究臨床環(huán)境下三維視野的精確定位方法以及交互手段、海量數(shù)據(jù)的三維可視化方法以及多模態(tài)數(shù)據(jù)的真三維融合顯示系統(tǒng)6. 研究適用于高維多模態(tài)圖像的基于廣義模糊相似性的配準(zhǔn)測(cè)度準(zhǔn)則開(kāi)展醫(yī)學(xué)圖像隱式有效特征獲取與描述的研究表達(dá)方式3. 獲得圖像空間噪聲分布同投影空間噪聲分布之間的關(guān)系,設(shè)計(jì)有效的噪聲抑制算法;給出金屬偽影,射束硬化偽影,部分容積效應(yīng)偽影,條狀偽影等的有效影消除方法4. 建立示蹤劑研究的 Monte Carlo平臺(tái);構(gòu)造考慮數(shù)據(jù)統(tǒng)計(jì)特性與成像系統(tǒng)不確定性的重建算法,實(shí)現(xiàn)動(dòng)態(tài) PET 放射性濃度高質(zhì)量重建5. 提出基于局部不變特征的高維多模態(tài)圖像和解剖結(jié)構(gòu)的動(dòng)態(tài)輪廓概率模型,并實(shí)現(xiàn)快速魯棒的分割算法,初步實(shí)現(xiàn)高精度位置跟蹤系統(tǒng)與多模態(tài)數(shù)據(jù)的進(jìn)行實(shí)時(shí)交互;初步實(shí)現(xiàn)基于 GPU 的快速次表面散射渲染技術(shù)6. 提出廣義模糊算子法與 Gibbs隨機(jī)場(chǎng)模型用于紋理特征的模糊提取,利用分割區(qū)域之間的空間信息來(lái)建立這種情形上的模糊相似度描述,得到任意子集的模糊特征選擇系數(shù)并用于特征子集的選擇,從而得出最能區(qū)分和表征不同模式類(lèi)的特征子集研究?jī)?nèi)容 預(yù) 期目標(biāo)第三年1. 研究局部最優(yōu)解和全局最優(yōu)解的性質(zhì)與針對(duì)醫(yī)學(xué)成像與醫(yī)學(xué)圖像分析的先驗(yàn)統(tǒng)計(jì)模型的最優(yōu)解的快速收斂算法2. 研究 k 空間中稀疏采樣方式與線圈敏感度高精度估計(jì)算法;進(jìn)行乳房梯度線圈與射頻線圈設(shè)計(jì)方法的設(shè)計(jì)研究3. 研究基于有效約束模型的低劑量 CT 圖像重建算法及其快速收斂方案4. 研究新框架下的衰減系數(shù)估計(jì)并針對(duì) PET/CT 和 PET/MRI, 提出高魯棒性圖像重建算法,提出基于 Sinogram 的動(dòng)力學(xué)參數(shù)魯棒重建算法;設(shè)計(jì)加工物理Phantom,采集數(shù)據(jù)進(jìn)行實(shí)驗(yàn)分析,修改完善算法5. 研究高維多模態(tài)圖像精確、快速分割方法與相似性特征的分割提取方法,并將這些特征結(jié)合到圖像配準(zhǔn)當(dāng)中;研究高維多模態(tài)異構(gòu)醫(yī)學(xué)信息的可視分析與面向診斷、教育和輔助手術(shù)的影像分析的可視化技術(shù)6. 開(kāi)展醫(yī)學(xué)圖像模糊相似測(cè)度與關(guān)聯(lián)反饋的研究1. 提高模型描述的有效性,解決全局最優(yōu)解的收斂域問(wèn)題;建立錐優(yōu)化的基本理論與方法、矩陣優(yōu)化的基本理論與方法2. 確定 k 空間稀疏采樣的最優(yōu)方式并提出一種有效實(shí)用的線圈敏感度高精度估計(jì)方法;針對(duì)頭部成像,提出一種新的射頻線圈設(shè)計(jì)新方法,針對(duì)乳房結(jié)構(gòu)的特殊性,提出乳房梯度線圈設(shè)計(jì)新方法,并進(jìn)行制作和相關(guān)測(cè)試3. 提出非局部先驗(yàn)?zāi)P图s束下的低劑量 CT 圖像重建算法,并確立生理運(yùn)動(dòng)偽影消除方案4. 建立一種基于發(fā)射數(shù)據(jù)的衰減校正方案,實(shí)現(xiàn)以 CT 或 MR 測(cè)量數(shù)據(jù)為引導(dǎo)的衰減校正與PET 放射性濃度聯(lián)合優(yōu)質(zhì)重建算法,實(shí)現(xiàn)動(dòng)力學(xué)參數(shù)直接重建5. 構(gòu)建四維時(shí)間序列圖像的精確非剛性配準(zhǔn)方法,實(shí)現(xiàn)基于圖像的心血管診斷關(guān)鍵參數(shù)的魯棒估計(jì);實(shí)現(xiàn)高維醫(yī)學(xué)影像數(shù)據(jù)的表意性可視化與敏捷交互方法,并采用可編程圖形硬件和并行計(jì)算加速分析處理過(guò)程6. 考慮從不同模態(tài)圖像獲取人體信息的成像機(jī)制出發(fā),實(shí)現(xiàn)特征建模,并用模糊測(cè)度來(lái)描述人的主觀反饋研究?jī)?nèi)容 預(yù) 期目標(biāo)第四年1. 針對(duì)醫(yī)學(xué)成像與圖像分析的具體問(wèn)題進(jìn)行分析,包括CT、MR、PET 成像,醫(yī)學(xué)圖像邊界、紋理特征的提取、分割、配準(zhǔn)、偽影消除與運(yùn)動(dòng)跟蹤等具體問(wèn)題建立多先驗(yàn)?zāi)P图捌浞蔷€性優(yōu)化算法,研究其優(yōu)化求解快速收斂算法及其穩(wěn)健性2. 進(jìn)行乳房射頻線圈的設(shè)計(jì)研究并完成制作和實(shí)驗(yàn)測(cè)試,進(jìn)行相關(guān)的安全性仿真研究;進(jìn)行 MR圖像重建中的精確約束模型的研究3. 研究基于有效約束模型的低劑量 CT 圖像重建與加速收斂算法及其在三維 CT 系統(tǒng)中的應(yīng)用4. 針對(duì)示蹤劑非線性動(dòng)力學(xué)方程, 嘗試?yán)昧W訛V波器完成動(dòng)力學(xué)參數(shù)求解,提出放射性濃度與動(dòng)力學(xué)參數(shù)聯(lián)合重建算法,并進(jìn)行理論、算法、實(shí)驗(yàn)上的深入研究,使得算法達(dá)到魯棒結(jié)果5. 研究基于模糊 Gibbs 隨機(jī)場(chǎng)的新型高維多模態(tài)醫(yī)學(xué)圖像分割算法與基于圖像區(qū)域間特性對(duì)比度和均勻度的圖像分割評(píng)價(jià)準(zhǔn)則;將高精度彈性形變模型和樣條函數(shù)應(yīng)用到高維多模態(tài)圖像的彈性形變過(guò)程中,從而提升彈性配準(zhǔn)的精度和準(zhǔn)確性;6. 開(kāi)展醫(yī)學(xué)圖像多模態(tài)特征映射基本框架的研究與建立1. 為其它子課題提供進(jìn)一步的理論模型和優(yōu)化算法。利用所討論的先驗(yàn)統(tǒng)計(jì)模型進(jìn)行建模、參數(shù)估計(jì)及優(yōu)化理論,給出快速收斂算法實(shí)施步驟及相應(yīng)收斂速度估計(jì),實(shí)現(xiàn)實(shí)時(shí)處理2. 提出針對(duì)乳房結(jié)構(gòu)的特殊性的射頻線圈設(shè)計(jì)新方法,提出射頻線圈的去耦合方法,并完成制作與成像測(cè)試,完成乳房梯度和射頻線圈的生物效應(yīng)安全性評(píng)估,完成所采集數(shù)據(jù)的優(yōu)質(zhì)重建3. 提出特征空間先驗(yàn)約束重建算法,在有效保留圖像細(xì)節(jié)的同時(shí)兼顧圖像的整體特征,并給出適用于三維 CT 圖像重建的快速收斂的序列化重建方案4. 實(shí)現(xiàn)一套含有非線性動(dòng)力學(xué)性質(zhì)的示蹤劑的 PET 動(dòng)態(tài)成像方法及放射性濃度與動(dòng)力學(xué)參數(shù)聯(lián)合估計(jì)5. 通過(guò) GPU 對(duì)術(shù)中實(shí)時(shí)配準(zhǔn)方法并行處理與優(yōu)化,使得配準(zhǔn)速度提高 5 倍以上;實(shí)現(xiàn)高維醫(yī)學(xué)數(shù)據(jù)可視化的多核加速算法,完成面向海量醫(yī)學(xué)數(shù)據(jù)渲染的多核負(fù)載劃分優(yōu)化算法6. 借鑒模糊神經(jīng)網(wǎng)絡(luò)對(duì)于不同維數(shù)向量的相似性識(shí)別方面的研究成果,通過(guò)大量實(shí)驗(yàn),建立起這種經(jīng)驗(yàn)映射關(guān)系,從而完成不同模態(tài)間的搜索。研究?jī)?nèi)容 預(yù) 期目標(biāo)第五年1. 進(jìn)一步完善針對(duì)醫(yī)學(xué)成像與圖像分析的基礎(chǔ)理論和優(yōu)化算法2. 對(duì)基于負(fù)載的射頻線圈設(shè)計(jì)方法進(jìn)行探索研究3. 實(shí)現(xiàn)低劑量 CT 圖像重建算法的功能化和模塊化4. 研究基于梯度矢量流與粒子群優(yōu)化算法實(shí)現(xiàn)多模態(tài)醫(yī)學(xué)圖像配準(zhǔn);對(duì)各類(lèi)異構(gòu)醫(yī)學(xué)信息進(jìn)行分析推理,著重解決多模態(tài)信息的精確融合、基于統(tǒng)計(jì)學(xué)習(xí)的信息提煉和表意性可視化等難題。5. 組織相關(guān)臨床醫(yī)學(xué)專(zhuān)家,對(duì)上述研究成果進(jìn)行生理學(xué)和量化評(píng)估,并全面總結(jié)、準(zhǔn)備結(jié)題。1. 形成完整的先驗(yàn)統(tǒng)計(jì)理論和優(yōu)化算法2. 提出基于負(fù)載的射頻線圈設(shè)計(jì)新方法3. 將本課題的創(chuàng)新研究成果開(kāi)發(fā)成圖像重建軟件包;4. 實(shí)現(xiàn)多模態(tài)醫(yī)學(xué)圖象信息融合,解決多模態(tài)圖像間的多參數(shù)融合方法;針對(duì)動(dòng)態(tài)功能影像,提出完備和實(shí)用的生理過(guò)程的自動(dòng)、精確和定量分析方法;實(shí)現(xiàn)異構(gòu)醫(yī)學(xué)信息的融合實(shí)時(shí)顯示5. 進(jìn)一步完善原系統(tǒng)提供基于 f-CBIR 技術(shù)的大型醫(yī)學(xué)圖像數(shù)據(jù)庫(kù)的全部技術(shù)和軟件;- 1.請(qǐng)仔細(xì)閱讀文檔,確保文檔完整性,對(duì)于不預(yù)覽、不比對(duì)內(nèi)容而直接下載帶來(lái)的問(wèn)題本站不予受理。
- 2.下載的文檔,不會(huì)出現(xiàn)我們的網(wǎng)址水印。
- 3、該文檔所得收入(下載+內(nèi)容+預(yù)覽)歸上傳者、原創(chuàng)作者;如果您是本文檔原作者,請(qǐng)點(diǎn)此認(rèn)領(lǐng)!既往收益都?xì)w您。
下載文檔到電腦,查找使用更方便
10 積分
下載 |
- 配套講稿:
如PPT文件的首頁(yè)顯示word圖標(biāo),表示該P(yáng)PT已包含配套word講稿。雙擊word圖標(biāo)可打開(kāi)word文檔。
- 特殊限制:
部分文檔作品中含有的國(guó)旗、國(guó)徽等圖片,僅作為作品整體效果示例展示,禁止商用。設(shè)計(jì)者僅對(duì)作品中獨(dú)創(chuàng)性部分享有著作權(quán)。
- 關(guān) 鍵 詞:
- 基金 標(biāo)書(shū) 2010 CB732500 現(xiàn)代醫(yī)學(xué) 成像 圖像 分析 關(guān)鍵 科學(xué) 問(wèn)題 研究
鏈接地址:http://appdesigncorp.com/p-284530.html