医学影像处理与分析实验室       English
 
科研方向及方法

 

★方向一 —— 视网膜图像处理与分析

视网膜是一个复杂的分层结构。许多重要的眼睛疾病以及全身性疾病的症状都会表现在视网膜上。多模态视网膜图像分析结合了二维的眼底图像和三维的光学相干断层扫描图像来检测不同组织、血管以及病变结构。图像分割,校准和分类方法是视网膜图像处理与分析的常用方法。

 

 

★方向二 —— 正电子发射计算机断层扫描图像处理与分析

光学相干断层扫描成像和正电子发射断层成像是常用的两种成像技术,在临床上用于对癌症的有效评估。光学相干断层扫描图像上的多器官自动分割,在正电子发射计算机断层成像图像的多模态肿瘤分割,以及肿瘤生长和预测都是相关研究领域 。

 

 

★方向三 —— 光学设备开发

光学相干断层扫描成像已经成为一种无创检测人体各种器官中的疾病的新的光学成像方法。特别是,光学相干断层扫描成像已经成功应用于视网膜疾病诊断。最近,功能型光学相干断层扫描成像在生物医学中的应用吸引了越来越多研究者的兴趣。

 

 

★方法一 —— 基于图论方法的光学相干断层扫描图像分割

我们已经提出用基于图论的方法对病变视网膜层分割和症状性渗出物相关的紊乱的病变区域分割。所提出的图论方法有效地结合了图搜索和图割方法,能同时分割和视网膜层

 

基于图论的图搜索图割算法

 

症状性渗出物相关的紊乱的病变区域分割

 

色素上皮层脱落的病变视网膜图像分割

 

相关论文

(1). Xinjian Chen, Meindert Niemeijer, Li Zhang, Kyungmoo Lee, Michael D. Abràmoff, and Milan Sonka, 3D SEAD Segmentation by Probability Constrained Graph-Search-Graph-Cut, IEEE Transactions on Medical ImagingVol. 31, No.8, pp.1521-1531,Epub. Mar. 19, 2012.   

 

(2). Fei Shi, Xinjian Chen*, Heming Zhao, Weifang Zhu, Dehui Xiang, Enting Gao, Milan Sonka and Haoyu Chen, Automated 3-D Retinal Layer Segmentation of Macular Optical Coherence Tomography Images with Serous Pigment Epithelial Detachments, IEEE Transactions on Medical Imaging, 2014.

 

★方法二 —— 基于分类方法的病变结构检测

分类是机器视觉和模式识别的一个共同的研究领域,已广泛应用于医学图像检测,医学图像分割、医学疾病的诊断。分类包括两分类和多分类问题。

 

对外界膜断裂的定量分析

 

内节/外节缺失的定量分析

 

 

相关论文

(1). Xinjian Chen, Ping Hou, Chao Jin, Weifang Zhu, Xiaohong Luo, Fei Shi, Milan Sonka and Haoyu Chen, Quantitative analysis of retinal layers' optical intensities on 3D optical coherence tomography, IOVS, vol. 54, No. 10, pp. 6846-6851,Oct, 2013.

 

(2). Xinjian Chen, Li Zhang, Elliott H. Sohn, Kyungmoo Lee, Meindert Niemeijer, John Chen, Milan Sonka, and Michael D. Abramoff, Quantification of External Limiting Membrane Disruption Caused by Diabetic Macular Edema from SD-OCT, IOVS, Vol. 53, No. 13, pp. 8042-8048, 2012.

 

 

★方法三 —— 3D外形限制图割方法

带有用户界面的3D外形限制图割可执行版本可以下载(下载前请阅读http://www.mipg.upenn.edu/~cavass/这是一个zip文件,下载后删除“.odt”扩展名)户界面CAVASS,更多关于cavass信息请访:http://www.mipg.upenn.edu/~cavass/

 

基于3D外形限制图割方法的软件

 

★方法四 —— 融合图割与定向的主动轮廓模型方法

我们提出了一个有效地融合图割和主动轮廓模型的方法。所提出的代价函数有效地结合主动轮廓模型的形状信息和图的信息。对于方法中的自动目标识别策略是基于总的代价函数最小而实现的,它结合先验形状和特定的图像信息。

 

肿瘤生长预测

 

多器官分割

 

在正电子发射计算机断层扫描成像图像上的肺肿瘤分割

 

相关论文

(1). GC-ASM: Synergistic Integration of Graph-Cut and Active Shape Model Strategies for Image Segmentation, Computer Vision and Image Understanding, 2013.

 

(2). Xinjian Chen, et. al, Medical Image Segmentation by Combining Graph Cut and Oriented Active Appearance Models, IEEE Transactions on Image Processing, Vol.21, No.4,pp. 2035-2046, EPub. Jan. 31,2011.

 

(3). Kidney Tumor Growth Prediction by Coupling Reaction-Diffusion and Biomechanical Model, IEEE Transactions on Biomedical Engineering, 2013.

 

(4). Xinjian Chen, Jayaram K. Udupa, Abass Alavi and Drew A. Torigian, Automatic Anatomy Recognition via MultiObject Oriented Active Shape Models, Medical Physics, Vol. 37, No. 12, pp. 6390-6401, 2010.

 

 

★方法五 —— 多普勒光学相干断层扫描成像

 

多普勒光学相干断层扫描成像原理

 

多普勒光学相干断层扫描成像设备对人的手掌实时成像

 

 

★方法六 —— 改进的基于低阶+稀疏分解的OCT散斑去除算法

散斑噪声严重影响OCT图像的精确定量分析。我们提出了一种基于低阶+稀疏分解的OCT图像散斑去除算法。将去除散斑的OCT图像视为低阶分量,散斑图像视为稀疏分量。该算法能够提高OCT图像的对比噪声比、对比度和边缘清晰度。[Matlab代码下载]

 

相关论文:

Ivica Kopriva, Fei Shi, Xinjian Chen, Enhanced low-rank +sparsity decomposition for speckle reduction in optical coherence tomography, Journal of Biomedical Optics, 2016 (In Press)

 

★软件平台开发

基于上述研究方向和研究方法,本实验室开发了基于wxWidgets构架的医学影像处理与分析科研平台—MIPA,该科研平台可在windows、linux、Mac三种平台下跨平台使用。 MIPA的定位—为医学图像处理中的配准,检测,分割及可视化等提供完整的解决方案。

 

 

 

MIPA 软件平台