簡(jiǎn)介：高強(qiáng)度聚焦超聲（HIGHINTENSITYFOCUSEDULTRASOUND，簡(jiǎn)稱HIFU）作為一種非侵入式、無(wú)毒副作用、具有巨大潛力的局部治療腫瘤的手段，受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。HIFU技術(shù)能將超聲能量聚集到人體內(nèi)腫瘤組織上，在焦域內(nèi)產(chǎn)生高壓和高溫，使腫瘤組織溫度迅速上升到65℃以上，而發(fā)生不可逆轉(zhuǎn)的凝固性壞死，從而達(dá)到腫瘤消融的目的。近十年以來(lái)，隨著醫(yī)學(xué)圖像技術(shù)、自動(dòng)控制技術(shù)的發(fā)展，國(guó)內(nèi)外學(xué)者相繼在HIFU治療理論和實(shí)驗(yàn)研究上取得了很大的進(jìn)展。特別是在國(guó)內(nèi)，人們已經(jīng)將HIFU技術(shù)用于惡性腫瘤的臨床治療，并取得了令人鼓舞的成績(jī)。這不僅是腫瘤治療歷史上的一次偉大的嘗試，更標(biāo)志著HIFU腫瘤治療技術(shù)已取得了突破性進(jìn)展，成為繼手術(shù)、放療和化療之后的又一種治療腫瘤的手段。我們課題組長(zhǎng)期致力于治療超聲方面的研究，從80年代至今已取得了多項(xiàng)科研成果。在此基礎(chǔ)上，我們成功地研制出了HIFUNIT9000超聲腫瘤消融刀，它是集高強(qiáng)度聚焦超聲、自動(dòng)控制、數(shù)字通信、醫(yī)學(xué)圖像處理和計(jì)算機(jī)圖形學(xué)等技術(shù)為一體的大型治療系統(tǒng)。本文在前面兩章闡述了其治療腫瘤的理論和實(shí)驗(yàn)基礎(chǔ)、工作原理及臨床時(shí)的治療步驟。并將其與國(guó)內(nèi)的同內(nèi)產(chǎn)品進(jìn)行了對(duì)比，反映了HIFUNIT9000聚焦超聲腫瘤消融刀的先進(jìn)性。為了進(jìn)一步提高治療效果，探索新的治療方式，我們?nèi)栽诜e極開發(fā)用于超聲刀的三維重建技術(shù)。本文后面幾章分別詳細(xì)闡述了開發(fā)三維重建技術(shù)的必要性，三維重建的原理及其實(shí)現(xiàn)，并為將來(lái)進(jìn)行快速超聲圖像三維重建提出了實(shí)現(xiàn)方法。在碩士期間，本人主要完成的工作包括1計(jì)算機(jī)與可編程邏輯控制器（PLC）之間的數(shù)據(jù)通信2B超圖像的實(shí)時(shí)監(jiān)控與采集，并運(yùn)用數(shù)字圖像處理技術(shù)改善圖像質(zhì)量。3利用斷層輪廓表面重建法實(shí)現(xiàn)了三維表面重建，并實(shí)現(xiàn)了三維物體的體積計(jì)算。4導(dǎo)出從旋轉(zhuǎn)坐標(biāo)三維數(shù)據(jù)到規(guī)則三維數(shù)據(jù)的轉(zhuǎn)換算法，為以后進(jìn)行快速三維重建打下了基礎(chǔ)，并對(duì)于今后的快速三維重建提出了建議。

簡(jiǎn)介：近年來(lái)，隨著計(jì)算機(jī)技術(shù)和醫(yī)學(xué)研究的不斷發(fā)展，計(jì)算機(jī)輔助診斷COMPUTERAIDEDDIAGNOSIS，CAD已經(jīng)成為醫(yī)學(xué)臨床診斷的一個(gè)重要工具，在某種程度上已經(jīng)成為現(xiàn)代化醫(yī)療的行業(yè)標(biāo)準(zhǔn)。目前，CAD已經(jīng)從診斷的輔助參考逐漸向計(jì)算機(jī)自動(dòng)診斷AUTOMATEDCOMPUTERDIAGNOSIS，ACD發(fā)展。現(xiàn)代醫(yī)學(xué)研究表明，基因遺傳綜合癥GEICSYNDROME，GS是導(dǎo)致兒童精神發(fā)育遲滯MENTALRETARDATION的主要原因之一，而多數(shù)綜合癥都會(huì)導(dǎo)致人的臉部形態(tài)發(fā)生微妙變化，這使得利用計(jì)算機(jī)進(jìn)行GS診斷成為可能和必要。本文目標(biāo)是解決GS計(jì)算機(jī)輔助診斷中的若干關(guān)鍵技術(shù)問(wèn)題，并構(gòu)造面向計(jì)算機(jī)和醫(yī)學(xué)領(lǐng)域交叉的體系結(jié)構(gòu)框架。從三維人臉模型中提取特征是GS診斷的一個(gè)重要問(wèn)題，由于本文研究背景的特殊性，特征提取算法面臨兩個(gè)主要問(wèn)題1由于難以獲取正對(duì)的三維人臉模型，需要在非正對(duì)條件下定位模型；2GS通常會(huì)導(dǎo)致臉部特征形態(tài)變化，需要研究同時(shí)適用于正常人和GS患者的提取算法。針對(duì)上述問(wèn)題，本文提出了NIFE人臉特征提取算法。算法首先根據(jù)鼻尖的幾何形狀和對(duì)稱性篩選并獲取鼻尖及相應(yīng)的對(duì)稱平面位置；隨后，利用鼻尖和對(duì)稱平面校準(zhǔn)模型至基本正對(duì)；最后，根據(jù)其他特征點(diǎn)所在區(qū)域的曲率及其相對(duì)于鼻尖的位置關(guān)系，分割特征區(qū)域并提取特征點(diǎn)。NIFE算法利用鼻尖在幾何形態(tài)上的穩(wěn)定性，通過(guò)分布處理確保了對(duì)正常人和GS患者都能有效提取特征。實(shí)驗(yàn)結(jié)果表明，NIFE算法能在模型朝向和位置未知的情況下提取人臉特征，具有較強(qiáng)的魯棒性，運(yùn)行速度較快，準(zhǔn)確率較高。智能推理模型是診斷的核心，模型的選擇需要在保證準(zhǔn)確率的基礎(chǔ)上提高泛化能力。由于實(shí)驗(yàn)數(shù)據(jù)是正常人樣本和已確診的病例，因此采用監(jiān)督學(xué)習(xí)算法是一個(gè)較好的選擇。第三章介紹了幾種典型的機(jī)器學(xué)習(xí)算法，針對(duì)診斷的特點(diǎn)和要求，從樣本質(zhì)量、精度要求以及先驗(yàn)知識(shí)的引入三個(gè)方面分析對(duì)比各種算法，提出以支持向量機(jī)SUPPTVECTMACHINE，SVM作為診斷系統(tǒng)的推理核心。隨后，在詳細(xì)介紹SVM算法及其理論依據(jù)的基礎(chǔ)上，進(jìn)一步闡明了該算法作為智能推理模型的優(yōu)勢(shì)，并討論了利用SVM解決多類分類問(wèn)題的方法。為了提高診斷推理的效果，需要充分利用醫(yī)學(xué)診斷先驗(yàn)知識(shí)，將其引入學(xué)習(xí)過(guò)程。針對(duì)這一目標(biāo)，需要研究確定ACD的體系結(jié)構(gòu)。第四章首先介紹了CADACD體系結(jié)構(gòu)的研究現(xiàn)狀，指出現(xiàn)有的體系結(jié)構(gòu)無(wú)法靈活的適應(yīng)外部知識(shí)的變化。針對(duì)該問(wèn)題，論文提出了一個(gè)面向計(jì)算機(jī)和醫(yī)學(xué)領(lǐng)域交叉的ACD體系結(jié)構(gòu)，其主要特點(diǎn)是引入自然語(yǔ)言處理技術(shù)，使得醫(yī)學(xué)專家能夠利用診斷指令，自主的將診斷知識(shí)結(jié)合到診斷體系結(jié)構(gòu)中。論文闡述了自然語(yǔ)言處理的相關(guān)技術(shù)，分析構(gòu)造了面向醫(yī)學(xué)診斷指令的產(chǎn)生式，并實(shí)現(xiàn)了一個(gè)診斷指令解析過(guò)程。在此基礎(chǔ)上，提出并實(shí)現(xiàn)了一種將先驗(yàn)知識(shí)引入機(jī)器學(xué)習(xí)的方法，該方法的特點(diǎn)體現(xiàn)在樣本篩選和輸入數(shù)據(jù)調(diào)整兩個(gè)方面。通過(guò)對(duì)診斷指令的處理，將不符合語(yǔ)義描述的樣本去除樣本篩選，減少噪音數(shù)據(jù)對(duì)學(xué)習(xí)的影響；增加與語(yǔ)義相關(guān)的維度數(shù)據(jù)調(diào)整，增強(qiáng)分類器對(duì)樣本語(yǔ)義的敏感。實(shí)驗(yàn)結(jié)果證明，該方法能有效提高學(xué)習(xí)效率，同時(shí)也證明了所提出體系結(jié)構(gòu)的可行性。由于論文中的數(shù)據(jù)來(lái)自不同的單位，樣本標(biāo)注缺乏嚴(yán)謹(jǐn)和一致性，因此存在同類樣本分屬不同子類的情況，即同類樣本中存在一定的“子差異”。針對(duì)這一問(wèn)題，論文提出了一種基于子空間劃分的分類算法GBSVM。該算法的最大特點(diǎn)在于通過(guò)聚類將同類樣本中具有不同“子差異”的樣本預(yù)先分組，并利用樣本篩選和分類器的構(gòu)造避免這種“子差異”影響分類結(jié)果。實(shí)驗(yàn)結(jié)果表明，相對(duì)于普通的SVM算法和不對(duì)稱打包SVM算法，GBSVM算法有效的提高了多種樣本組成混合分類情況下的學(xué)習(xí)效率。在論文的最后，介紹了一個(gè)兒童遺傳綜合癥診斷原型系統(tǒng)。該原型系統(tǒng)采用了分層次、模塊化的結(jié)構(gòu)設(shè)計(jì)，融合了本文理論和技術(shù)研究的成果，實(shí)現(xiàn)從數(shù)據(jù)獲取到智能推理的整個(gè)過(guò)程，具有實(shí)用性和參考價(jià)值。

簡(jiǎn)介：目的1了解目前肝癌患者圍手術(shù)期健康教育現(xiàn)狀，包括健康教育形式和方法、健康教育內(nèi)容、健康教育效果及影響因素等2探討三維立體模擬技術(shù)計(jì)算機(jī)輔助肝臟三維手術(shù)規(guī)劃技術(shù)在肝癌患者的圍手術(shù)期健康教育中的應(yīng)用效果，旨在探索出提高肝癌患者圍手術(shù)期健康教育效果的有效方法，提高肝癌患者圍手術(shù)期疾病及護(hù)理知識(shí)掌握率，維護(hù)肝癌患者圍手術(shù)期心理狀態(tài)的健康穩(wěn)定。方法1采用便利抽樣方法，根據(jù)事先設(shè)定的納入標(biāo)準(zhǔn)，抽取2011年1月～2012年12月在南充市兩所三級(jí)甲等醫(yī)院肝膽外科病房行肝癌切除術(shù)的患者76例，運(yùn)用自行設(shè)計(jì)的肝切除術(shù)患者圍手術(shù)期健康教育情況調(diào)查表對(duì)患者的基本情況、健康教育內(nèi)容、健康教育方式、影響其健康教育接收度的因素進(jìn)行調(diào)查。2采用便利抽樣方法，根據(jù)事先設(shè)定的納入標(biāo)準(zhǔn)，抽取2011年1月～2012年12月在南充市兩所三級(jí)甲等醫(yī)院行肝癌切除術(shù)的患者84例。將84例行肝癌切除術(shù)的患者隨機(jī)分為實(shí)驗(yàn)組43例與對(duì)照組41例）。對(duì)照組采用常規(guī)方式進(jìn)行圍手術(shù)期健康教育，實(shí)驗(yàn)組應(yīng)用計(jì)算機(jī)輔助肝臟三維手術(shù)規(guī)劃技術(shù)建立三維模型后進(jìn)行圍手術(shù)期健康教育。入院時(shí)及出院時(shí)，采用自制的HCC圍手術(shù)期疾病及護(hù)理知識(shí)問(wèn)卷分別測(cè)評(píng)兩組患者肝癌圍手術(shù)期疾病護(hù)理知識(shí)掌握度。入院及術(shù)前健康教育后，采用ZUNG焦慮自評(píng)量表SAS分別測(cè)定兩組患者焦慮值。出院時(shí)分別測(cè)定兩組患者及家屬對(duì)圍手術(shù)期健康教育的滿意度（分為滿意、一般、不滿意三項(xiàng)）。結(jié)果1肝癌患者對(duì)肝癌圍手術(shù)期疾病及其護(hù)理知識(shí)均有較強(qiáng)需求，尤其是經(jīng)濟(jì)狀況較好、教育程度較高或者社會(huì)地位較高的患者。目前臨床常用采用口頭教育的健康教育方式，健康教育內(nèi)容更多局限于患者的飲食、用藥、活動(dòng)與休息，而缺乏對(duì)患者本身疾病情況和手術(shù)情況的介紹。影響患者健康教育知識(shí)接收度的因素除了患者本身的受教育程度以外，還包括患者情緒、個(gè)性特征、護(hù)理人員的責(zé)任心以及健康教育方式有關(guān)系。2兩組患者的肝癌圍手術(shù)期疾病護(hù)理知識(shí)掌握度，出院時(shí)，差異具有統(tǒng)計(jì)學(xué)意義P＜005。兩組患者術(shù)前焦慮評(píng)分差異顯著P＜005。患者及家屬對(duì)圍手術(shù)期健康教育滿意度，出院時(shí)兩組差異均具有統(tǒng)計(jì)學(xué)意義P＜005。結(jié)論1肝癌患者圍手術(shù)期健康教育，在內(nèi)容和方式方法上都有必要進(jìn)一步完善和提高。在內(nèi)容方面，除了常規(guī)的術(shù)前術(shù)后護(hù)理知識(shí)外，患者本身疾病情況和手術(shù)情況也是患者或者患者家屬關(guān)注的重點(diǎn)。在方式方法上，相對(duì)于口頭教育，患者及家屬，尤其是老年人和受教育程度較低的患者及家屬，更傾向于接受畫冊(cè)或影像教育的方式。2在為患者或者患者家屬介紹患者疾病情況和手術(shù)情況時(shí)，借助計(jì)算機(jī)輔助肝臟三維手術(shù)規(guī)劃技術(shù)建立患者肝臟的三維模擬圖像，能讓患者或其家屬更快更清楚的了解自身病情及手術(shù)過(guò)程，從而緩解其焦慮情緒，提高肝癌患者圍手術(shù)期健康教育效果，提升患者及家屬的滿意度。

簡(jiǎn)介：金屬粉末激光直接燒結(jié)DIRECTMETALLASERSINTERING，DMLS技術(shù)是選擇性激光燒結(jié)技術(shù)的一個(gè)重要分支，由于無(wú)需任何工模具、不受零件幾何形狀限制、材料利用率高、生產(chǎn)周期短等優(yōu)點(diǎn)極大地提高了生產(chǎn)柔性，日益成為先進(jìn)制造技術(shù)的一個(gè)重要發(fā)展方向。目前，球化效應(yīng)和成形件翹曲變形是DMLS領(lǐng)域中急需解決的兩大問(wèn)題，集中輸入的局部激光移動(dòng)熱源勢(shì)必造成溫度場(chǎng)的分布不穩(wěn)定、不均衡，這樣的溫度場(chǎng)及其產(chǎn)生的熱應(yīng)力是導(dǎo)致成形件質(zhì)量問(wèn)題的根本原因。金屬零件能否順利成形及成形后的組織、性能的優(yōu)劣直接取決于成形工藝參數(shù)的選擇，因此要想正確選擇成形工藝參數(shù)，獲得形狀規(guī)整、組織致密和性能優(yōu)良的成形零件，就必須掌握DMLS工藝過(guò)程中溫度場(chǎng)隨時(shí)間的演變規(guī)律。本文主要針對(duì)DMLS溫度場(chǎng)有限元模擬及相關(guān)實(shí)驗(yàn)從以下幾個(gè)方面進(jìn)行了深入的研究1分析國(guó)內(nèi)外DMLS工藝及溫度場(chǎng)有限元模擬的發(fā)展現(xiàn)狀及趨勢(shì)，指出影響成形件質(zhì)量的關(guān)鍵問(wèn)題以及目前溫度場(chǎng)有限元模擬的不足之處。2將ANSYS的“單元生死”技術(shù)引入到DMLS溫度場(chǎng)的多層燒結(jié)模擬中，實(shí)現(xiàn)多層燒結(jié)材料的動(dòng)態(tài)增長(zhǎng)過(guò)程描述；同時(shí)還成功解決了激光熱源的移動(dòng)和加載、材料非線性的處理、相變潛熱的處理、圓形光斑的處理等關(guān)鍵問(wèn)題。3綜合考慮熱傳導(dǎo)、熱輻射、熱對(duì)流以及材料的高度非線性，基于ANSYS平臺(tái)建立了與DMLS實(shí)際工藝過(guò)程相一致的三維有限元模型，以NI基合金粉末為燒結(jié)材料進(jìn)行了溫度場(chǎng)模擬。分析了激光熔池的加熱冷卻規(guī)律、各燒結(jié)道之間及各燒結(jié)層之間的相互影響規(guī)律，不同工藝參數(shù)對(duì)溫度場(chǎng)的影響規(guī)律等，在此基礎(chǔ)上選擇合適了工藝參數(shù)。4實(shí)驗(yàn)以自熔性NI基合金粉末為研究對(duì)象，以高功率激光器、JXA840A電子探針?lè)治鰞x、HVS1000型顯微硬度計(jì)為主要研究手段，分析了激光功率和掃描速度這兩個(gè)最主要的工藝參數(shù)對(duì)金屬粉末燒結(jié)成形性及球化效應(yīng)的影響，利用優(yōu)化的工藝參數(shù)成形了多層燒結(jié)件。最后測(cè)量了燒結(jié)深度、燒結(jié)寬度同時(shí)觀察了成形件微觀組織并與模擬結(jié)果進(jìn)行了對(duì)比，結(jié)果表明模擬結(jié)果與實(shí)驗(yàn)結(jié)果吻合較好。

簡(jiǎn)介：目的1掌握軟骨細(xì)胞體外三維培養(yǎng)技術(shù)，掌握自體關(guān)節(jié)軟骨缺損模型的建立及自體軟骨細(xì)胞移植加骨膜覆蓋技術(shù)。2研究了解在體外三維培養(yǎng)條件下的軟骨細(xì)胞，對(duì)關(guān)節(jié)軟骨缺損模型的短期修復(fù)效果。3為臨床開展自體軟骨細(xì)胞移植，治療關(guān)節(jié)軟骨損傷提供一個(gè)基礎(chǔ)性研究。方法1自體軟骨細(xì)胞的來(lái)源取四周齡新西蘭兔，腹腔全麻后，無(wú)菌條件下片狀切取一側(cè)膝關(guān)節(jié)股骨髁部軟骨，用機(jī)械和酶消化法獲得單個(gè)軟骨細(xì)胞，細(xì)胞懸液，進(jìn)行體外三維培養(yǎng)。2自體軟骨細(xì)胞的移植取三維培養(yǎng)的自體膝關(guān)節(jié)軟骨細(xì)胞，消化成單個(gè)軟骨細(xì)胞后，將細(xì)胞懸液注入兔膝關(guān)節(jié)缺損處，采用自體同側(cè)脛骨上端內(nèi)側(cè)骨膜覆蓋。3試驗(yàn)分組按試驗(yàn)方法分為四組白體軟骨細(xì)胞移植組、自體對(duì)照組單純骨膜覆蓋、異體對(duì)照組單純骨膜覆蓋及異體對(duì)照組無(wú)骨膜覆蓋。按動(dòng)物數(shù)量分組選24只健康新西蘭大白兔，體重為20～25KG，隨機(jī)分為4組，每組6只。4試驗(yàn)用關(guān)節(jié)軟骨缺損模型設(shè)計(jì)試驗(yàn)組及自體對(duì)照組于兔左膝關(guān)節(jié)股骨髁髕股關(guān)節(jié)面轉(zhuǎn)2孔直徑5MM的全層軟骨缺損，上孔用于自體對(duì)照，下孔用于自體軟骨細(xì)胞移植。異體對(duì)照組轉(zhuǎn)孔方法同前，上孔僅行骨膜縫合覆蓋，下孔骨膜不縫合，不行細(xì)胞移植。5組織學(xué)評(píng)價(jià)分別于術(shù)后4、8、12、16周施行空氣栓塞殺死各組家兔，切取股骨遠(yuǎn)端包括缺損修復(fù)組織、鄰近軟骨和骨。用于大體觀察，并對(duì)組織切片行Ⅱ型膠原免疫組化染色及HE染色。結(jié)果1利用機(jī)械與酶消化法獲得的軟骨細(xì)胞，成功的進(jìn)行了體外單層及三維培養(yǎng)，構(gòu)建了穩(wěn)定的軟骨細(xì)胞體外三維培養(yǎng)體系。2成功的進(jìn)行了自體關(guān)節(jié)軟骨缺損模型的建立及自體軟骨細(xì)胞移植加骨膜覆蓋技術(shù)。3體外三維培養(yǎng)條件下的自體關(guān)節(jié)軟骨細(xì)胞，對(duì)關(guān)節(jié)軟骨缺損模型的短期修復(fù)效果良好，組織學(xué)評(píng)價(jià)明顯優(yōu)于對(duì)照組。結(jié)論1利用體外三維培養(yǎng)的方法在短期內(nèi)能夠獲得較大數(shù)量表型穩(wěn)定的自體關(guān)節(jié)軟骨細(xì)胞。2自體軟骨細(xì)胞移植加蓋骨膜覆蓋技術(shù)修復(fù)關(guān)節(jié)軟骨缺損短期效果良好，能較好的修復(fù)關(guān)節(jié)軟骨缺損。

簡(jiǎn)介：目的應(yīng)用三維超聲RT3DE檢測(cè)左室壁各心肌節(jié)段運(yùn)動(dòng)、容量及時(shí)間參數(shù)的改變，探討對(duì)相應(yīng)供血冠狀動(dòng)脈狹窄程度的判斷價(jià)值。方法選取天津醫(yī)科大學(xué)第二醫(yī)院心臟科2012年4月至2013年2月間擬診不穩(wěn)定心絞痛的住院患者150例，其中男性96例，女性54例，平均年齡634±13640～80歲。所有患者均行常規(guī)超聲及冠狀動(dòng)脈造影CAG檢查，左室射血分?jǐn)?shù)LVEF≥50％根據(jù)其冠脈病變程度將其分為A組即左前降支病變組103支B組即左回旋支病變組88支C組即右冠狀動(dòng)脈病變組87支。各組再以冠狀動(dòng)脈狹窄程度分為A1B1C1（冠脈狹窄程度＜75％）組及A2B2C2（冠脈狹窄程度≥75％）組。以冠狀動(dòng)脈造影三支均未見(jiàn)明顯狹窄的患者68例作為對(duì)照組即N組。所有入選者行RT3DE檢查，采集所需切面，存盤。采用RT3DE的QLAB3DQADVANCED定量分析軟件程序得到17節(jié)段VTC及牛眼圖，逐幀進(jìn)行序列分析，記錄左室16節(jié)段平均運(yùn)動(dòng)幅度EA收縮期心室運(yùn)動(dòng)峰值時(shí)間TS節(jié)段舒張末容積SEDV、節(jié)段收縮末容積SESV，利用公式計(jì)算左室節(jié)段射血分?jǐn)?shù)SEFSEDVSESVSEDV100％。對(duì)所得部分參數(shù)進(jìn)行ROC曲線分析，得出曲線下面積及各指標(biāo)截點(diǎn)值。分別對(duì)三支冠脈供血節(jié)段曲線下面積較大的指標(biāo)進(jìn)行判別分析，得出動(dòng)脈狹窄≥75％的判別函數(shù)，并行組內(nèi)判別函數(shù)的交互檢驗(yàn)，判斷其有效率、特異性及敏感性。結(jié)果1A2組前壁、前間隔的中間段及心尖段EA值及前壁中間段、心尖段和前間隔心尖段SEF值明顯小于A1組及N組P＜005A1組與N組間無(wú)明顯差異P＞005。各節(jié)段TS在三組間未見(jiàn)明顯差異P＞005。2B2組側(cè)壁基底段、中間段及后壁的基底段EA值及側(cè)壁基底段和中間段、后壁基底段SEF較A1及N組明顯減小P＜005B1組與N組間無(wú)明顯差異P＞005。各節(jié)段TS在三組間未見(jiàn)明顯差異P＞005。3C2組下壁、后間隔基底段、中間段和后壁基底段EA值及下壁、后間隔基底段SEF值明顯小于C1及N組，P＜005C1組與N組間無(wú)明顯差異P＞005。各節(jié)段TS在三組間未見(jiàn)明顯差異P＞005。4N組患者左室16節(jié)段VTC呈規(guī)則拋物線形，曲線波幅大，波谷趨近A1B1C1組患者VTC與N組患者相近但略欠規(guī)則。A2B2C2患者的曲線形態(tài)不規(guī)則，雜亂，正常節(jié)段波幅較大，缺血節(jié)段波幅小，甚至呈反向運(yùn)動(dòng)，N組患者牛眼圖顯示左室各節(jié)段呈均勻的綠色，A2B2C2組患者牛眼圖顏色混雜，A2組患者的圖像顯示左室前壁中間段、心尖段為紅色成像，B2患者以側(cè)壁為主顯像成紅色圖像，C2組患者圖像顯示以下壁為主呈紅色顯像。5A組前壁心尖段、中間段及前間隔中間段SEF曲線下面積分別為894％、877％、953％，截點(diǎn)值分別為5357％、5084％、5314％前壁、前間隔的心尖段、中間段EA曲線下面積分別為92，8％、915％、945％、903％，截點(diǎn)值分別為567、531、539、525。6B組側(cè)壁基底段、中間段SEF曲線下面積分別為918％、893％，截點(diǎn)值分別為5117％、5279％側(cè)壁基底段、中間段及后壁基底段EA曲線下面積分別為941％、946％、927％，截點(diǎn)值分別為548、531、488。7C組下壁、后間隔基底段SEF曲線下面積分別為915％、889％，截點(diǎn)值分別為4877％、5096％下壁基底段、中間段及后壁基底段EA曲線下面積分別為932％、894％、945％，截點(diǎn)值分別為463、525、488。8分別以前降支回旋支右冠脈狹窄程度≥75％為分組變量，定義A1B1C1組為1，A2B2C2組為2，分別以前間隔心尖段的EA、SEF側(cè)壁基底段EA、SEF及中間段EA下壁基底段EA、SEF為自變量進(jìn)行的判別分析及組內(nèi)判別函數(shù)的交互檢驗(yàn)，分別得前降支狹窄≥75％的判別函數(shù)Y0461SEF0672EA，判別臨界值YA0438，考核總正確率為9029％回旋支狹窄≥75％的判別函數(shù)Y0500SEF0771EA10783EA2，判別臨界值YB0694，考核總正確率為8636％右冠狹窄≥75％的判別函數(shù)Y0830SEF0481EA，判別臨界值為YC0653，考核總正確率為8736％結(jié)論1冠狀動(dòng)脈分支狹窄≥75％所供血的相應(yīng)心肌節(jié)段的EA、SEF明顯減小，TS未見(jiàn)明顯變化，提示運(yùn)動(dòng)及容量參數(shù)對(duì)判斷冠脈狹窄程度較時(shí)間參數(shù)敏感217節(jié)段VTC曲線及牛眼圖可直觀顯示狹窄冠脈供血節(jié)段據(jù)此可推斷冠脈病變的部位3部分心肌節(jié)段EA、SEF的ROC曲線下面積及截點(diǎn)值可作為評(píng)估相應(yīng)冠脈狹窄≥75％的指標(biāo)之一4分別以不同冠脈狹窄≥75％為分組變量，以部分心肌節(jié)段的EA、SEF為自變量，所得判別函數(shù)及臨界值YA、YB、YC的正確率均達(dá)85％以上，判斷相應(yīng)冠脈狹窄≥75％的敏感性及特異性均在82％92％5限于本研究樣本量較小，其結(jié)論有待進(jìn)一步研究證實(shí)。

簡(jiǎn)介：該文是對(duì)該項(xiàng)工作的總結(jié)和概括文章的主要研究?jī)?nèi)容及其成果包括以下幾個(gè)方面在分析了外觀屬性的網(wǎng)格水印算法的研究意義及技術(shù)難點(diǎn)的基礎(chǔ)上提出了在增量式網(wǎng)格表示法下的網(wǎng)格外觀屬性水印算法解決了在外觀屬性上嵌入水印的一些關(guān)鍵性問(wèn)題其中針對(duì)在外觀屬性分量上植入水印的值溢出問(wèn)題作者提出了動(dòng)態(tài)修改基函數(shù)的方法考慮到直接修改法向量分量的方法會(huì)受到法向量單位化操作影響導(dǎo)致水印提取困難作者提出一種繞固定軸旋轉(zhuǎn)法向量的方法有效地避免了單位化對(duì)已植入水印信息的影響該文的外觀水印算法在基本保持原始網(wǎng)格外觀的基礎(chǔ)上能有效地提高網(wǎng)格水印的容量并能取得與其他變換域水印算法相當(dāng)?shù)聂敯粜阅茚槍?duì)數(shù)字水印中網(wǎng)格模型數(shù)據(jù)量較大的特點(diǎn)該文提出了一種在網(wǎng)格多分辨率表示框架下的迭代最近點(diǎn)ICP網(wǎng)格對(duì)齊方法為避免迭代落入局部而非全局最優(yōu)解該方法利用網(wǎng)格的多分辨率表示特性和網(wǎng)格上點(diǎn)到質(zhì)心距離分布的特征信息快速有效地確定初始矩陣同時(shí)為提高迭代過(guò)程的收斂速度從網(wǎng)格P上的初始點(diǎn)集選取標(biāo)準(zhǔn)、無(wú)效的對(duì)應(yīng)點(diǎn)對(duì)的舍棄標(biāo)準(zhǔn)以及對(duì)應(yīng)點(diǎn)對(duì)的差值度量標(biāo)準(zhǔn)等三方面對(duì)傳統(tǒng)的迭代過(guò)程進(jìn)行了改進(jìn)該文提出的網(wǎng)格對(duì)齊算法的初始矩陣估計(jì)方法有效迭代過(guò)程收斂迅速可以自然地集成到網(wǎng)格水印系統(tǒng)中較好地解決網(wǎng)格水印提取中的網(wǎng)格對(duì)齊問(wèn)題

簡(jiǎn)介：目的研究應(yīng)用三維重建技術(shù)選擇胸外科機(jī)器人手術(shù)切口的方法。探索該方法的可行性，并將其應(yīng)用于臨床手術(shù)。使之成為一種確定機(jī)器人手術(shù)切口的新方法。方法本課題在第一部分中研究了應(yīng)用三維重建技術(shù)選擇機(jī)器人手術(shù)切口的方法，在術(shù)前應(yīng)用蘋果公司研發(fā)的OSIRIX醫(yī)學(xué)影像處理軟件對(duì)胸部CT進(jìn)行三維重建，明確腫物的位置、大小、與周圍組織器官的毗鄰關(guān)系以及在體表的投影位置。依據(jù)機(jī)器人手術(shù)操作系統(tǒng)的指導(dǎo)原則，在電腦上模擬切口可能的位置，并測(cè)量檢測(cè)其位置是否合理，最終選定適合的切口。在第二部分將該方法應(yīng)用于臨床病例中，記錄手術(shù)時(shí)間、術(shù)前準(zhǔn)備、手術(shù)操作時(shí)間等數(shù)據(jù)，跟既往數(shù)據(jù)進(jìn)行對(duì)比，討論三維重建技術(shù)在機(jī)器人手術(shù)中的實(shí)際應(yīng)用價(jià)值，以及發(fā)展前景。結(jié)果本課題在第一部分成功將三維重建技術(shù)應(yīng)用于機(jī)器人手術(shù)切口的選擇中，在第二部分將該方法應(yīng)用于篩選出的4例手術(shù)病例中。所選病例的腫物位于胸腔不同位置，并且性質(zhì)和密度均不同。均成功在三維重建后的圖像中尋找到目標(biāo)腫物，并能準(zhǔn)確的定位，確定手術(shù)切口。經(jīng)過(guò)手術(shù)的驗(yàn)證，此方法能簡(jiǎn)單快速的確定手術(shù)切口，有效的減少了手術(shù)準(zhǔn)備時(shí)間，提供適當(dāng)?shù)囊曇?，足夠的操作空間，保證手術(shù)順利完成。結(jié)論本課題中探索的利用三維重建選擇機(jī)器人手術(shù)切口的方法，可在術(shù)前為術(shù)者提供明確的腫瘤位置及空間的毗鄰關(guān)系，使得術(shù)者對(duì)腫瘤有直觀的判斷。此外利用此方法選擇的手術(shù)切口，符合機(jī)器人手術(shù)操作系統(tǒng)的要求，給術(shù)者提供了適合的視野及方便的操作空間，而且此方法簡(jiǎn)單易行，加快了術(shù)前準(zhǔn)備的速度，減少了手術(shù)時(shí)間?？梢?jiàn)三維重建技術(shù)輔助機(jī)器人手術(shù)選擇切口的方法簡(jiǎn)單易行，且實(shí)用性較強(qiáng)，值得推廣，尤其是對(duì)復(fù)雜機(jī)器人手術(shù)的開展提供了幫助。但本課題的樣本量有限，未能進(jìn)行客觀的統(tǒng)計(jì)學(xué)分析，需要進(jìn)一步對(duì)大樣本病例應(yīng)用，得到客觀數(shù)據(jù)支持。

簡(jiǎn)介：三維超聲頸動(dòng)脈圖像中自動(dòng)分割出頸動(dòng)脈斑塊對(duì)于監(jiān)控頸動(dòng)脈粥樣硬化的生長(zhǎng)和衰退具有很重要的意義?？紤]到頸動(dòng)脈斑塊內(nèi)部回聲異質(zhì)性強(qiáng)以及斑塊形狀變化多樣本文提出了一種基于中外膜邊界MEDIAADVENTITIABOUNDARYMAB和血管腔內(nèi)膜邊界LUMENINTIMABOUNDARYLIB先驗(yàn)的水平集分割方法將斑塊分割的問(wèn)題簡(jiǎn)化成將斑塊與健康中膜組織區(qū)分開的問(wèn)題。分割方法主要分為兩步初始輪廓獲取和水平集演化。首先在MAB和LIB之間利用灰度的信息檢測(cè)到初始的輪廓點(diǎn)然后將斑塊與MAB、LIB相對(duì)位置的先驗(yàn)信息同圖像信息一起綜合融入水平集框架中通過(guò)水平集的演化得到最終的斑塊“外”輪廓該最終演化輪廓與LIB圍成的區(qū)域即為斑塊。同時(shí)本研究中獲得兩位超聲影像醫(yī)生對(duì)頸動(dòng)脈圖像多次分割的結(jié)果并將多次分割結(jié)果進(jìn)行輪廓平均作為檢驗(yàn)提出的自動(dòng)分割算法可靠性和準(zhǔn)確性的金標(biāo)準(zhǔn)。分割算法中的參數(shù)優(yōu)化利用進(jìn)化策略方法最小化測(cè)試圖像集上的分割誤差利用優(yōu)化的參數(shù)在實(shí)驗(yàn)圖像集上進(jìn)行分割并將分割結(jié)果與金標(biāo)準(zhǔn)進(jìn)行比較實(shí)驗(yàn)結(jié)果與數(shù)據(jù)分析結(jié)果證明算法分割的結(jié)果十分接近金標(biāo)準(zhǔn)。綜上所述本文的主要內(nèi)容可歸納以下幾個(gè)部分1基于水平集的圖像分割方法基本原理及具體實(shí)現(xiàn)2具體研究方法三維超聲頸動(dòng)脈數(shù)據(jù)采集、金標(biāo)準(zhǔn)獲取、自動(dòng)分割算法及其參數(shù)優(yōu)化3實(shí)驗(yàn)結(jié)果及數(shù)據(jù)分析。

簡(jiǎn)介：華中科技大學(xué)碩士學(xué)位論文內(nèi)燃機(jī)進(jìn)氣系統(tǒng)三維流場(chǎng)的可視化技術(shù)應(yīng)用研究姓名劉國(guó)慶申請(qǐng)學(xué)位級(jí)別碩士專業(yè)動(dòng)力機(jī)械及工程指導(dǎo)教師陳國(guó)華2003512華中科技大學(xué)碩士學(xué)位論文ABSTRACTINTHECASEOF3DFLOWNUMERICALSIMULATIONONGASFLOWININLETCYLINDEROFCUB100INTERNALCOMBUSTIONENGINE，THISPAPERMAKESAPPLICATIONRESEARCHESONVISUALIZATIONOF3DFLOWFIELDCOMPUTEDBYNUMERICALSIMULATIONINTHISPAPER，ANALYZESTHEACTIVITYANDDEVELOPMENTTRENDOFSCIENTIFICVISUALIZATIONIMPROVESONTHEMETHODOFGETTINGNORMALANDDATAORGANIZATIONINMARCHINGCUBESALGORITHMINTHISWAY，THEALGORITHMISPOPULARIZEDTOA3DIRREGULARDATAFIELDSTHEREASONFORBRINGINGAMBIGUITYWHENMARCHINGCUBESISUSEDTOGENERATEISOSURFACEISANALYZEDAPPLYINGAPREDIGESTEDASYMPTOTEMETHOD，THEAMBIGUITYISAVOIDEDUSINGMARCHINGCUBES￡ILGORITHM，ITGENERATESSLICENEPHOGRAMTOVISUALIZE2DDATAFIELDSONSLICETHEISOLINEOILSLICEISGENERATEDBYGRIDSEQUENCEALGORITHMUNDERTHETHOUGHTOFTHESTREAMLINEGROWINGALGORITHM，ITGENERATESSTREAMLINESOILSLICEBYASIMPLESTEPMARCHINGMETHODEMPLOYINGRAYTRACINGMETHOD，VOLUMERENDERINGISACHIEVED，ANDTHEVELOCITYOFVOLUMERENDERINGISQUICKENEDBYAIMPROVEDMETHODOFTHEALGORITHMFORINTERSECTIONBETWEENRAYANDPOLYGONADOPTINGTHESEVISUALIZATIONMETHODS，THERESULTSATTAINEDBYNUMERICALSIMULATIONAREVISUALIZEDSCALARPRESS，TEMPERATURE，TURBULENCEFIELDSAREVISUALIZEDBYISOSURFACE，SLICENEPHOGRAMANDVOLUMERENDERINGTECHNIQUE，VECTORVELOCITYFIELDSAREVIUSALIZEDBYSTREAMLINERENDERINGTECHNIQUEUSINGVISUALC60ANDOPENGLWRITESPOSTPROCESSSOFTWAREFOR3DF10WNUMERJCALSIMULATIONKEYWORDSINTERNALCOMBUSTIONENGINE，F(xiàn)LOWCALCULATION，SCIENTIFICVISUALIZATION，MARCHINGCUBES，RAYCASTING，STREAMLINEIL

簡(jiǎn)介：點(diǎn)擊查看更多基于對(duì)偶四元數(shù)的三維物體匹配方法的研究.pdf精彩內(nèi)容。

簡(jiǎn)介：本論文采用連續(xù)切片計(jì)算機(jī)輔助三維重建和可視化技術(shù)研究了FE009％C148％MN低碳微合金鋼中晶界、晶內(nèi)鐵素體的三維形態(tài)以及晶內(nèi)鐵素體與夾雜物之間的關(guān)系。對(duì)晶界鐵素體以及在夾雜物上形核的晶內(nèi)鐵素體之間的取向關(guān)系進(jìn)行了EBSD分析。對(duì)在不同反應(yīng)溫度下形成的晶界、晶內(nèi)鐵素體的納米硬度進(jìn)行了測(cè)定和分析?；诓煌磻?yīng)溫度和時(shí)間樣品的顯微組織觀察和三維重建獲得了關(guān)于晶界鐵素體三維形態(tài)新的認(rèn)識(shí)。仿晶界鐵素體以及一次鋸齒形鐵素體的三維形態(tài)與前人的實(shí)驗(yàn)結(jié)果存在一定差別。仿晶界鐵素體根據(jù)其形核地點(diǎn)和長(zhǎng)大方式的不同具有更加復(fù)雜的形態(tài)一種表現(xiàn)為細(xì)長(zhǎng)橢球體狀，一種表現(xiàn)為扁橢球體狀。一次鋸齒形鐵素體在三維空間更像三棱錐。本論文揭示了一次板條的三維形態(tài)，其形如板狀，與二次板條相比尺寸較小。晶棱上形核的鐵素體具有頂點(diǎn)被拉長(zhǎng)的金字塔形貌；在晶角形核的鐵素體在生長(zhǎng)過(guò)程中迅速占據(jù)晶角空間而具有不規(guī)則的形態(tài)。連續(xù)切片三維重建技術(shù)顯示仿晶界鐵素體以及魏氏體鐵素體的三維形態(tài)是不能僅通過(guò)二維圖像觀測(cè)推演出來(lái)的。根據(jù)在晶界上形成的鐵素體的三維形態(tài)觀察和定量分析，建立了晶界鐵素體三維形態(tài)的分類模型。在低過(guò)冷度下，晶內(nèi)鐵素體都在夾雜物上形核長(zhǎng)大，一般表現(xiàn)為等軸狀，通常幾個(gè)亞晶在同一個(gè)夾雜物上形成。在同一個(gè)夾雜物上形成的鐵素體亞晶取向相近，并互相之間呈現(xiàn)小角度晶界，其形成原因可能為激發(fā)形核。在較大過(guò)冷度下鐵素體板條從夾雜物上輻射生長(zhǎng)，通常處在夾雜物對(duì)立面的板條具有相同的取向，處在非對(duì)立面的鐵素體板條之間取向差異較大。針狀鐵素體在三維空間更像板條而不是傳統(tǒng)的針狀，通常先形成的鐵素體板條將奧氏體晶粒分割成許多較小的區(qū)域，而隨后形成的鐵素體就限制在這些細(xì)小的區(qū)域內(nèi)，從而導(dǎo)致晶粒細(xì)化。在較大過(guò)冷度下形成的晶界、晶內(nèi)鐵素體與低過(guò)冷度下形成的相應(yīng)組織相比具有較高的納米硬度和彈性模量；在同一相變溫度，晶內(nèi)鐵素體的納米硬度和彈性模量均高于晶界鐵素體。其可能原因在于不同條件下形成的鐵素體內(nèi)部的碳和合金元素的濃度以及位錯(cuò)密度的不同。

簡(jiǎn)介：點(diǎn)擊查看更多IPO-FDTD混合法計(jì)算三維復(fù)雜腔體的RCS.pdf精彩內(nèi)容。

簡(jiǎn)介：X射線血管造影檢查是目前國(guó)際上公認(rèn)的診斷心腦血管疾病的最有效手段之一但基于二維造影圖像的傳統(tǒng)診治方法存在很大的局限性。血管的三維重建技術(shù)不僅能為醫(yī)生提供形象、直觀的三維血管形狀圖像而目可以輔助測(cè)量血管的有關(guān)參數(shù)如直徑大小、血管長(zhǎng)度和截面積等從而有助于冠心病等血管疾病的診斷和治療。本文主要研究了血管造影圖像的二維信息處理、三維重建和三維重建優(yōu)化。針對(duì)各向異性擴(kuò)散的幾個(gè)主要缺點(diǎn)論文結(jié)合FACET小面模型提出了新的各向異性擴(kuò)散方程在每一步的迭代中利用FACET模型擬合原圖像進(jìn)行去噪并利用HESSIAN矩陣的特征值的平方和作為選擇傳導(dǎo)參數(shù)的依據(jù)從而解決了傳統(tǒng)的各向異性擴(kuò)散方程中手動(dòng)選取參數(shù)的問(wèn)題。造影劑在流經(jīng)腦部血管的過(guò)程中由于造影劑的流動(dòng)當(dāng)造影劑到達(dá)細(xì)小血管終端時(shí)流經(jīng)血管主動(dòng)脈的造影劑就基本消失了這樣無(wú)論對(duì)于哪一幀的血管造影圖像都不能分割出完整的血管結(jié)構(gòu)。由于腦部血管的位置在一個(gè)序列中基本不會(huì)變化因此利用血管同一位置處在造影劑流動(dòng)過(guò)程中的灰度變化特性進(jìn)行了腦血管的分割。為解決單一平面造影系統(tǒng)多視點(diǎn)冠脈造影序列影像的時(shí)間匹配問(wèn)題通過(guò)對(duì)序列冠脈造影影像的分析提出了一種基于彎曲能量的時(shí)間匹配方法代替?zhèn)鹘y(tǒng)的心電門控方法來(lái)進(jìn)行兩個(gè)視點(diǎn)冠脈造影圖像序列的對(duì)應(yīng)幀時(shí)間匹配。采用一種基于輪廓向量的自適應(yīng)曲率提取方法進(jìn)行曲率提取利用曲率信息計(jì)算每幀圖像的彎曲能量把造影圖像序列的時(shí)間匹配問(wèn)題轉(zhuǎn)化為彎曲能量曲線的對(duì)應(yīng)匹配問(wèn)題。在分析冠脈造影系統(tǒng)三維重建的精度與穩(wěn)定性的基礎(chǔ)上針對(duì)序列圖像對(duì)應(yīng)幀攝像機(jī)內(nèi)外參數(shù)不發(fā)生變化基礎(chǔ)矩陣?yán)碚撋隙枷嗤奶攸c(diǎn)把景物重建中常用的RANSAC隨機(jī)采樣一致性方法進(jìn)行基礎(chǔ)矩陣估計(jì)的方法應(yīng)用到血管冠脈造影圖像的三維重建中來(lái)RANSAC方法采用大樣本特征點(diǎn)對(duì)基礎(chǔ)矩陣進(jìn)行估計(jì)實(shí)驗(yàn)比較了這種方法與改進(jìn)的八點(diǎn)算法的誤差證明該方法比八點(diǎn)算法有更高的精度和穩(wěn)定性。在三維重建方面研究了冠脈造影系統(tǒng)的幾何模型以及空間中的三維坐標(biāo)變換進(jìn)一步推導(dǎo)出在已知造影角度時(shí)點(diǎn)的三維重建方法。通過(guò)B樣條擬合有限的三維點(diǎn)插值出更多的血管點(diǎn)使三維骨架連續(xù)具有很好的可視性并減少了計(jì)算量。在三維重建的優(yōu)化方面分別采用自適應(yīng)模擬退火優(yōu)化和捆集調(diào)整方法對(duì)造影系統(tǒng)的參數(shù)進(jìn)行迭代優(yōu)化。這兩種方法優(yōu)化時(shí)間效率高優(yōu)化結(jié)果相比于優(yōu)化之前都有很大的提高。

簡(jiǎn)介：點(diǎn)擊查看更多計(jì)算機(jī)視覺(jué)在微構(gòu)件三維檢測(cè)中的應(yīng)用研究.pdf精彩內(nèi)容。