公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于流场分布的纤维续跟踪: 2023年; 白质纤维跟踪能够重建大脑纤维走向,但由于分辨率的限制使得成像体素呈现出锯齿形边界,导致重建纤维束在白质区域边界提前终止。此外,信号噪声引起的体素内方向信息缺失也同样会导致纤维跟踪过早终止。针对以上问题,本研究提出一种纤维停止点续跟踪算法使纤维跟踪结果更加准确。首先,建立纤维局部结构的流场分布模型,以流场分布表示体素内任意点的纤维方向信息;然后,基于体素流场分布模型计算纤维跟踪停止点的连续性进行纤维续跟踪,得到更为准确的纤维结果。分别采用两组实验数据集(包含25个主要纤维束的ISMRM 2015挑战数据集和一组来自斯坦福大学数据库的临床数据集)对提出的方法进行验证。首先,在模拟数据集上通过Tractometer量化指标对所提出算法进行定量分析,结果表明,该算法的有效连接束数量(VB),有效连接率(VC)和无效连接率(NC)分别为24、51.3%和12.9%,与同为确定型追踪算法的SD_Stream相比,VB提高2束,VC提高19.1%,NC降低22.8%。其次,通过临床数据集对所提出算法进行定性分析,进一步验证所提出算法的有效性。实验结果表明,基于流场分布的纤维续跟踪算法有效避免了纤维跟踪过早终止这一问题,提高了纤维跟踪的有效纤维比例,降低了无连接纤维比例,提升了纤维跟踪结果的准确性。; 谢飞冯远静何建忠李茂; 关键词：扩散磁共振成像连续性

神经纤维体素微结构成像估计算法研究进展被引量：2: 2019年; 扩散磁共振成像是目前唯一非侵入式重建纤维解剖结构的成像技术.体素微结构纤维方向估计的精确性是影响该技术成像结果的关键.自扩散张量成像技术提出以来,很多高角度分辨率扩散成像方法用于估计纤维的方向.本文首先从估计模型角度,利用Q空间成像和模型依赖两大类数学模型总结现有主要的成像方法并延伸到目前广泛采用的球面去卷积模型,且讨论了其局限性和优越性.其次从优化方法角度,针对大规模逆问题优化方法的L2正则化约束、L1系数稀疏约束、L1和L2纤维分布空间稀疏约束以及纤维空间连续性约束优化模型的发展脉络介绍了球面去卷积优化方法的进展.最后,利用大量的模拟数据和实际数据对多种典型算法进行了纤维方向估计分辨率、准确率等对比实验.根据实验结果,对不同方法的优点和缺点进行了定量分析,并对今后的算法估计的研究方向进行了展望.; 冯远静何建忠李永强周思琪

神经纤维跟踪算法研究进展被引量：1: 2020年; 神经纤维跟踪通过整合纤维局部结构方向信息,可以描绘出具有解剖学意义的空间纤维结构,是扩散磁共振成像的关键步骤,对临床医学与神经科学等有着重大意义。然而,大量的研究和临床应用表明,目前的神经纤维跟踪算法重构出了大量虚假纤维而备受质疑。为了给研究者和临床医生选择神经纤维跟踪算法提供依据,本文深入分析了当前的主要跟踪算法并进行定量评估与定性比较。从确定型、概率型和全局优化等方法详细介绍各典型跟踪算法;利用Fibercup和国际医学磁共振学会(International Society for Magnetic Resonance in Medicine,ISMRM)2015挑战数据进行实验,定量对比9种常用算法的优缺点,并分析了这些算法在实际临床数据的成像结果及其面临的挑战;结合实验结果与算法理论分析各算法的内在联系与区别。不同跟踪算法在效果上有着较大的差异,确定型算法在描绘主要纤维结构上更为明显,概率型算法描绘的纤维分布更为全面,全局优化算法的纤维轨迹更符合全局数据而避免了误差累积问题。纤维跟踪对于分析人脑神经纤维连接具有很高的研究价值和应用价值。不同类型的算法有着各自的优缺点,目前并没有一种跟踪算法可以摒弃其他算法缺点而结合所有优点。另外目前纤维跟踪算法的结果与实际情况均有着一定差距,如何描绘出更为精确的纤维轨迹仍是一个具有挑战性的问题。; 李茂何建忠冯远静; 关键词：各向异性贝叶斯全局优化

基于压缩感知高阶张量扩散磁共振稀疏成像方法被引量：5: 2015年; 高阶张量扩散磁共振成像技术是高分辨率显示活体脑白质微结构信息的重要方法,但其数据采集时间较长、纤维重构分辨率较低等缺点限制其在临床上的应用.文中在高阶张量模型的基础上提出一种稀疏加权的纤维方向分布估计方法.该方法首先建立高阶张量球面反卷积纤维方向估计模型,然后提出一种纤维方向的稀疏表示方法,最后建立稀疏约束反卷积的l1范数优化模型.针对优化模型的求解,提出一种用低阶训练稀疏字典解决高阶优化问题的计算方法.模拟数据和临床数据的实验表明,纤维方向分布估计方法有效提高高阶张量成像方法的角度分辨率,降低角度识别误差.; 冯远静吴烨张贵军梁荣华; 关键词：反卷积压缩感知

数据驱动交通响应绿波协调信号控制被引量：8: 2016年; 传统绿波协调信号控制是一种开环控制,无法根据交通需求的变化调整配时方案.为克服传统绿波协调控制的缺点,本文提出一种数据驱动交通响应绿波协调信号控制方法.首先,针对采用混合放行的路网,考虑到排队消散时间以及放行相序对优化结果的影响,给出一种适用于路网的混合放行最大绿波带优化模型;在此基础上,引进排队消散时间相符度指标、相序相符度指标和行驶速度相符度指标,实时评价、更新控制方案,实现非饱和情况下的数据驱动交通响应绿波协调信号控制.仿真研究表明,该控制方法能适应路网交通需求的变化,极大地提高了路网的通行能力.; 李永强李康冯远静; 关键词：数据驱动信号控制

复杂相变热图序列相变线跟踪与应用: 2011年; 针对复杂相变热图序列相变线自动提取问题,提出一种基于帧间差分信息的C-V主动轮廓模型提取方法。首先建立一种基于结构特征的图像精确匹配指标,解决相变热图序列中部分帧的位置偏移问题;然后利用与模板图像的帧间差分及差分图像的对比度增强获取有效相变信息;最后在考虑帧间相变线关联性的基础上,提出一种融合形状先验特征的C-V主动轮廓模型相变线跟踪算法。实验结果表明,该算法解决了目前方法无法解决的序列图像中多相变线、拓扑变化等问题,能适应多种不同类型的模型实验物,且运算速度较经典C-V模型有很大提高。基于该算法开发的软件系统在实际中得到成功应用。; 陶沁沁冯远静俞立黄国川欧林林; 关键词：图像分割图像序列

全局脑白质纤维群智能跟踪算法被引量：4: 2012年; 为了解决概率纤维跟踪算法"过度"误跟踪,效率低的缺点,受蚁群路径搜索过程群体协作模式启发,提出一种全局脑白质纤维群体智能跟踪方法。首先,构建了一种全局纤维度量指标,综合考虑局部纤维方向分布和全局纤维走向,并利用贝叶斯方法建立局部纤维方向分布不确定信息模型。其次,提出一种群智能全局优化算法。该算法构建基于von Miser-fisher分布函数的信息素模型,通过信息素模型诱导迭代优化纤维轨迹。人工合成数据实验结果表明,跟概率跟踪算法相比,该算法解决了纤维局部误差积累导致的误跟踪问题,相对误差降低至原来的二分之一,计算规模降低至原来的十分之一。实际临床数据验证了算法的有效性。; 冯远静王哲进张贵军俞立; 关键词：扩散张量成像全局优化蚁群

绿波协调控制的子区动态划分算法被引量：7: 2014年; 为了提高子区划分的效率,本文提出了一种基于绿波协调控制的二次划分子区的模型.首先,根据距离、流量和周期3原则,提出基于可协调度的粗划分指标对子区进行初次划分.然后,在最大绿波带优化模型的基础上,引进绿波带带宽达到率为细划分指标,对子区进行再次细划分,同时引入调整指数对子区进行在线调整,实现了子区划分及其信号配时参数优化的同步.最后,利用遗传模拟退火算法对子区划分方案快速寻优,实现了绿波协调控制的子区实时动态划分.通过算例分析表明,该控制方案能提高路网的通行能力,具有良好的稳定性和高效性.; 冯远静单敏乐浩成张贵军俞立; 关键词：遗传模拟退火算法

数据驱动的三叉神经纤维束自动分割算法: 2020年; 目前三叉神经的纤维跟踪成像过程中普遍存在人工依赖性问题,主要包括人工绘制感兴趣区域(ROI)及手动筛选目标纤维束,导致结果的不确定性和数据误差。针对此类问题,提出一种数据驱动的三叉神经纤维自动分割算法。利用多组大脑样本的纤维数据,建立数据驱动的纤维聚类图谱,实现新样本纤维数据的自动分割,直接得到三叉神经纤维束。在实验中,选择25组青年健康人的数据作为样本数据。首先,利用FSL软件分割工具提取脑干作为ROI,进行确定性纤维跟踪。其次,通过对20组纤维数据进行多样本配准和谱聚类,创建数据驱动的纤维聚类图谱。根据三叉神经细小的特点,在建立纤维图谱过程中,通过对脑干纤维束进行二次分类来标注三叉神经纤维束。最后,选择5组青年健康人的新样本数据,将其脑干纤维数据应用纤维图谱自动分割得到三叉神经纤维束,并计算同一样本数据的自动分割结果与手动分割结果之间的加权Dice系数。结果显示,所提出的方法成功分割5组数据的三叉神经纤维束,而传统人工方法成功识别4组三叉神经纤维束,两者结果之间的加权Dice系数分别为0.865,0.939,0.824,0.942。该方法可以有效避免人为因素的影响,提高神经外科医生与颅神经研究者的工作效率。; 金儿冯远静曾庆润陈余凯黄胜威阮林辉; 关键词：三叉神经数据驱动

全选清除导出

共1页<1>

浙江工业大学信息工程学院信息处理与自动化研究所

相关机构

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

浙江工业大学信息工程学院信息处理与自动化研究所

相关机构

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈