摘要:乳腺X线摄影术是目前乳腺疾病的主要检查方式之一，采用图像处理与模式识别的方法对乳腺X线图像进行分析，可以辅助医生发现漏检的病变，识别出假阳性组织，有效降低漏诊率和误诊率。基于图像处理的方法应模拟医生阅片机制，因而基于多视角的乳腺癌检测与分类方法更加适合临床的要求。多视角乳腺癌检测的基础是确定不同视角图像间的匹配关系，本文较为全面地讨论了乳腺X线图像多视角匹配方法。首先对现有乳头检测和胸肌分割方法进行回顾，并对比分析了不同方法之间的优缺点;然后讨论了现有双视角匹配以及双边匹配方法；最后对现有匹配方法存在的问题进行分析，并提出了改善措施。 

摘要:依据功能磁共振成像技术探究脑功能可塑性，对解码人脑认知活动与模拟类脑智能具有十分重要的意义，同时也是一项极具挑战性的工作。然而，脑功能可塑性可通过脑功能连通的变异性来体现，而该变异性的捕捉又依赖于有效的脑功能连通性分析模型。因此，本文首先就当前主要的脑功能连通性分析方法进行了综述，并分析了各方法的局限性；然后基于脑功能连通性研究的证据，总结与分析了脑功能可塑性与职业因素之间的复杂关系；最后对脑功能连通性分析模型、脑功能可塑性等研究方向进行了展望。

摘要:肺结节计算机辅助诊断（Comput er-aided diagnosis,CAD）能够从CT图像中检测、分割和诊断肺结节，提高早期肺癌的生存率，因而具有重要临床意义。由于肺结节的形态根据其类型、尺寸、位置、内部结构及恶性与否等动态变化，导致肺结节检测和诊断已经成为一个重大的挑战问题。本文对比分析了CAD系统中肺实质分割、肺结节检测、肺结节分割以及肺结节良恶性判断等4个步骤所运用的关键技术及挑战，并指出开发有效CAD系统需要进一步优化不同类型结节诊断算法灵敏度、降低结节检测误报数量、提高诊断自动化水平，同时需要集成影像存储与通信系统（Picture archiving and communication systems, PACS）以及电子病历系统（Electronic medical record systems, EMRS），以便在日常临床实践中应用。

摘要:图像散列算法是一种把数字图像映射为一个基于内容的简短二进制比特串的技术，它具有鲁棒性、安全性、紧凑性和单向性等特点，已被广泛应用于图像鉴别与图像识别领域中。本文提出一种基于分块压缩感知的鲁棒图像散列算法，其设计利用了压缩感知采样阶段的计算保密及线性运算的特点。该算 法通过对图像进行分块，利用压缩感知理论在密钥的控制下将图像块随机投影为一个测量值向量序列，并把每个测量值向量量化为一个比特，得到一个长度可由分块策略调整的二进制散列值。实验结果表明，本文算法在鲁棒性、安全性和运算速度等方面具有良好的性能。

摘要:在全球老龄化和空巢家庭的社会背景下，老年人的跌倒已成为当今社会备受关注的问题，为了能及时为老年人提供帮助，减轻摔倒带来的伤害，提出了一种基于图像处理的多特征融合跌倒识别算法。针对前景提取，本文提出了一种三帧差分法与背景减除法加权结合的目标提取算法，进而提取出目标轮廓的高度、宽高比、质心、矩形周长、Hu矩及Zernike矩特征；以行走、坐下、蹲下和跌倒4种行为数据作为样本，最后通过参数优化后的支持向量机训练及预测来实现跌倒的检测与识别。实验结果表明，所提出的算法不仅有效而且速度快、易于实现，平均识别率超过了95%。

摘要:建模与碰撞检测算法是虚拟手术具有良好实时性的前提。通过CT得到病人身体患部的点云数据，再基于八叉树剖分算法，采用层次包围球结构，对手术部位的软组织及器官进行建模。为了提高碰撞检测的实时性，将手术器械物理模型简化为一个小球或一条直线与软组织交互，而几何模型保持不变，这样在不影响虚拟手术的视觉效果同时又提高了碰撞检测的速度。实验结果表明，算法能准确检测出虚拟手术器械与虚拟模型接触的点，而且碰撞检测实时性显著提高，简化后的平均碰撞检测时间仅为虚拟手术的快速碰撞检测算法中未简化的方法平均时间的10%。

摘要:针对冠脉造影图像模糊、对比度低等导致的冠脉血管提取不完整、骨架不连续等问题，提出一种基于Hessian矩阵的多尺度冠脉分割与骨架提取算法，并估计血管半径值，为冠脉结构的三维重建奠定基础。该方法利用Hessian矩阵特征值对应线性目标的关系，构造一个新颖的血管相似性响应函数，对冠脉增强并阈值化得到分割结果，同时由 Hessian 矩阵确定冠脉血管的法线方向,通过求解法线方向上的极值点得到冠脉骨架的初始像素点集，以此来提取冠脉血管的欧氏骨架。实验结果表明,该算法简洁高效，相比现有算法能提取到更多的细小分支，得到的冠脉骨架完整，半径估计准确。

摘要:产生合成心音信号在教学、科研中都有一定的实际应用价值, 本文提出一种复合心音发生器。首先分析心音的产生机理和混沌特性，提出复合心音的合成原则,然后从心音的混沌特性出发构建一种心音发生器，它包括左侧心音产生子模型和右侧心音产生子模型，对它们的输出波形进行合成处理，从而得到一组幅值、周期都可调的合成心音信号。通过对合成心音信号的时频特征和混沌特征进行分析，结果表明，该合成心音信号与实际心音信号具有很高的相似度，可以基本满足教学和科研 的需求。

摘要:提出了基于最优实验设计与Laplacian正则化的自适应小波神经网络（Wavelet neural network, WNN）的非线性预测控制算法。该方法迭代地从WNN隐含节点候选集选取隐含小波神经元，并使用扩展卡尔曼滤波（Extended Kalman filter, EKF）方法调整该节点参数。为了控制WNN的复杂度，提出采用Laplacian正则化和最优实验设计选择重要的WNN隐含节点，使用最小描述长度(Minimum description length, MDL)准则确定节点数量。使用在线基于Gustafson-kesscl（GK）的模糊满意聚类算法确定WNN初始参数值和权重更新策略，该策略具有直观性和物理意义。最后给出基于WNN线性化模型的预测函数控制方法。对工业焦化装置温度控制进行仿真，结果说明了算法的 有效性。

摘要:针对人脸姿态分类问题，本文提出了一种基于深度学习与融入梯度信息的人脸姿态分类学习方法。首先提取人脸姿态图像灰度与灰度差组合特征，然后通过三层受限玻尔兹曼机（Restricted Boltzmann machines，RBM）对大量样本的特征进行融合训练学习，提取反映人脸姿态内涵的深度学习特征。最后通过Softmax分类器建立深度学习特征与人脸姿态标签的对应关系。在对CAS-PEAL-R1人脸数据库进行学习和分类检测中，获得普遍高于95%的分类精度。

摘要:大脑是生物体内结构和功能最复杂的组织，其中包含上千亿个神经元。作为大脑构造的基本单位，神经元的结构和功能包含很多因素，其中神经元的几何形态特征就是一个重要方面。大脑中神经元的几何形态复杂多样，对其识别分类问题是一个难题。本文在模糊聚类的基础上根据神经元的几何形态建立了模糊集模型 ，并利用多数据库分类模型中的最优划分模型对模糊聚类分析法进行改进。将改进后的模糊聚类方法用于对神经元的识别分类，得到最优的分类结果。根据聚类的评价方法，与其他的聚类方法比较，证明了改进的模糊聚类方法能够得到更好的聚类效果。

摘要:提出一种基于广义性多核学习的静态图像人体行为识别方法。从图像中提取基于边缘的梯度方向直方图和基于稠密采样的尺度不变特征描述子，并使用空间金字塔模型加入粗略空间信息；运用直方图内交核函数计算金字塔模型各层核矩阵，通过广义性多核学习方法求解各个核矩阵权重， 以线性组合方式得到最优核矩阵；最后利用多核学习决策函数进行行为识别。Willow-actions数据集实验结果表明，本文方法比其他几种方法更加有效。

摘要:基因和异构体差异表达分析是获取基因和异构体功能的重要途径，现已成为生物信息学的一个重要领域。RNA-seq是一种高通量测序技术，近年来广泛用于转录组研究。RNA-seq 数据的读段多源映射现象给差异异构体检测带来挑战。针对该问题，本文采用先计算基因和异构体的表达水平，再进行差异分析的方法，以计算表达水平的PGseq模型为基础，采用贝叶斯因子方法进行模型选择，提出一个新的差异检测方法PG_bayes，解决了基因和异构体两方面的差异检测问题。将PG_bayes应用于人类和小鼠共4个真实数据集中，并与目前流行的 差异检测方法进行对比。实验结果表明，PG_bayes方法在差异基因和差异异构体检测中具有较高的准确度和灵敏度，并且在差异异构体检测方面表现出优势。

摘要:为了克服原始图割算法在用户选定的像素种子点较少情况下，目标边界容易出现错分这一现象，本文提出了基于K-means和图割(Graph cut，GC)算法相结合的交互式K-均值图割（K-means and graph cut，KMGC）算法，对脑部核磁共振图像（Magnetic resonance image,MRI） 进行交互式操作，该算法通过K-means聚类，对脑部MRI的灰度不均匀性进行了处理，在此基础上，再使用图割算法进一步对脑部MRI进行细化，从而达到有效地分割脑白质和脑 灰质的目的。本文分别在仿真和真实的脑部MRI数据上进行了大量的实验，分别从定量分析和定性分析两个角度对实验结果进行了分析，并与其他分割算法进行了对比，对比实验结果标明，KMGC算法能够有效地对脑部MRI进行分割，并在分割效果上优于其他算法。

摘要:大脑神经元细胞群的异常同步放电是癫痫的病因，这种异常放电是目前诊断癫痫的重要依据。利用复杂度理 论来分析癫痫信号已经成为研究热点，而符号转移熵是反应系统混乱程度的一种非线性指标，在研究癫痫脑电信号特征的提取中有重要的作用。符号转移熵一般都是用来衡量两 个变量之间的动力学特征及方向性信息，忽略了多个变量之间相互作用。本文基于多变量符号转移熵研究分析了癫痫脑电信号，实验中将原始信号符号化后通过数值分析，对导联信号及信号长度的选取以及稳健性分析，表明该方法能够对正常人与癫痫病人的脑电信号进行显著区分,且该算法稳健可靠，该研究结果对临床辅助诊断有帮助。

摘要:图像修复的目的是填补有信息缺损的图像，并使观察者无法察觉出图像的填补痕 迹。分析了图像修复技术中的Criminisi算法，针对它的不足，提出一种新的改进算法。新算法从4个方面加以改进：使用了新的优先权计算函数，优化了优先权大小选择的计算，避免了因模板数据项迅速衰减带来的错误填充次序；利用Sobel算子改进等照度线计算,使等照度线上的点优先被修复；采用新的匹配方法，将查找匹配的范围锁定在破损区域的边缘。最后为了平滑置信值更新导致的误差传播，定义了新的置信值更新方程。实验结果证明，本文图像修复算法不但可以改善图像修复质量，还可以提高图像修复效率。

摘要:卷积神经网络是一种很好的特征提取器，但却不是最佳的分类器，而极限学习机能够很好地进行分类，却不能学习复杂的特征，根据这两者的优点和缺点，将它们结合起来，提出一种新的人脸识别方法。卷积神经网络提取人脸特征，极限学习机根据这些特征进行识别。本文还提出固定卷积神经网络的部分卷积核以减少训练参 数，从而提高识别精度的方法。在人脸库ORL和XM2VTS上进行测试的结果表明，本文的结合方法能有效提高人脸识别的识别率，而且固定部分卷积核的方式在训练样本少时具有优势。

摘要:甲状腺结节是一种常见的多发病，超声技术是该疾病首选的检查方法。在超声图像中提取区分甲状腺结节良恶性的纹理特征并进行判别具有广阔的临床应用前景。双树复小波变换（Dual-tree complex wavelet transform，DT-CWT）和Gabor小波是纹理特征提取的常用方法。本文提出一种基于多尺度的DT-CWT和Gabor特征融合的甲状腺结节识别方法。该方法首先通过高斯金字塔将甲状腺超声图像分解到多尺度空间，然后提取图像的DT-CWT和Gabor的多尺度特征，最后实现特征融合。通过应用支持向量机（Support vector machine，SVM）分类器实现分类，验证特征提取方法的有效性。实验结果表明，本文提出的方法能达到较高的识别率。

摘要:剪接是基因表达过程中连接转录和翻译的中枢步骤，是一个高度调控的过程。剪接位点是基因剪接过程中的核心调控元件。本文通过挖掘剪接位点序列中蕴含的序列特征，提出了一个基于序列模式挖掘的基因剪接位点序列打分模型。通过该模型，实现对剪接位点序列信号强度的定量度量。实验结果表明，该模型可有效分类真假剪接位点序列，分类效果优于最大信息熵模型，模型具有良好的鲁棒性，并且可有效识别致病剪接位 点序列突变。

摘要:针对基于内容的音频检索中由于噪声造成的查找失败问题，本文提出了一种对噪声鲁棒的基于音频指纹因子的音频特征提取算法和一种半监督的音频字典训练算法，以提高噪声下音频检索的精度。本文方法从Mel谱中提取音频指纹,利用非负矩阵分解算法将指纹分解为对噪声鲁棒的频率因子和时间因子作为特征。同时通过提出的半监督音频字典训练算法进行音频字典训练，本文方法使用音效集计算基本音效的分布空间作为初始字典，在量化数据的同时动态更新字典以实现对数据的准确描述。实验结果表明，在低信噪比条件下本文提出的算法的平均查询精度明显高于其他算法。

摘要:针对乳腺X光医学图像多类分类精度普遍较低的问题，提出了一种基于边缘检测的医学图像多类分类新方法。首先对乳腺X光医学图像进行预处理包括图像去噪和图像增强，再通过边缘检测方法，获取乳腺X光医学图像中的肿块区域，对检测到的肿块区域使用灰度共生矩阵提取特征，对于提取到的特征，采用支持向量机（Support vector machine，SVM）的方法进行分类；对于检测不到肿块区域的乳腺X光医学图像可直接分类为无乳腺癌（即正常）类。实验结果表明，与传统的支持向量机多类分类算法相比，基于边缘检测的医学图像多类分类新方法在乳腺X光医学图像上具有更高的分类精度。

摘要:应用一种基于部分相位同步的算法，该算法与双变量相位同步分析方法相比，在多变量非线性系统中能有效地推断直接耦合关系 还是间接耦合关系，因此，可以用此方法判定系统之间的耦合程度。首先把该方法应用于3个耦合的Rossler混沌系统中，仿真结果表明，部分相位同步方法能够准确地推断Rossl er系统之间的耦合关系。然后应用该方法对少年人脑电与中年人脑电进行分析，实验结果表明，少年人脑电耦合程度与中年人脑电耦合程度有显著的差异，说明部分相位同步算法可以作为区分中少年脑电信号的一个依据。

摘要:人脸识别中光照、伪装及姿态等变化一直是富有挑战性的问题，其中特征提取是很关键的一步。为提高人脸识别率，结合压缩感知和空间金字塔模型，本文提出了一种新的特征提取方法，首先用尺度不变特征变换算法提取图像特征，然后与随机生成的字典进行稀疏编码，再用金字塔模型分层提取不同尺度空间的特征，并用最大池融合特征，最后运用核稀疏表示分类。在Extended Yale B，AR 和CMU PIE人脸数据库上的实验结果表明，该方法对于人脸图像的光照、伪装及姿态等变化有较强的鲁棒性，而且该算法有较快的运行速度。

摘要:针对粒子滤波在通信混合信号单通道盲分离中存在固定参数联合估计精度低，收敛速度慢等问题，提出了一种改进的盲分离算法。通过对传统的随机游走模型加以修改，并将参数粒子的后验概率密度分布近似为Beta分布，提高了参数估计的收敛速度和精度，改善了分离性能；为了衡量算法的参数估计性能，推导了符号已知条件下的参数联合估计克拉美罗界。实验仿真结果表明，算法具有更好的参数估计性能和分离性能。

摘要:针对全盲信道辨识算法无法辨识含公零点信道且对信道阶数误差敏感的问题，本文基于信道的CR相关性提出一种简单有效的半盲 信道辨识算法。算法通过输出数据构造相关矩阵W，根据相关矩阵W与信道向量的正交性构造约束方程，并利用少量已知符号和改进的最小二乘（Modified least square,MLS ）准则建立额外的约束，通过最小二乘法求得信道响应的闭式解。该算法有效地克服了全盲信道辨识算法的诸多局限性，避免了传统半盲方法面临的最优加权选择问题，算法复杂度较低且性能稳定，对信道噪声及信道阶数具有较强的鲁棒性。仿真实验验证了所提算法的有效性与优越性。