根据 Frangi (2001) 描述的方法，此函数使用 Hessian 的特征向量来计算图像区域包含血管或其他图像脊的可能性 它支持 2D 图像和 3D 体积。 3D 方法包含一个 c 代码文件，可以快速计算图像 Hessians 列表的特征向量和特征值。 首先用“mex eig3volume.c”编译这段代码 尝试示例。 - 二维示例检测 X 射线图像中的血管- 3D 示例检测 CT 体积中的主动脉支架

小波图像分割matlab代码背景 ARIA（自动视网膜图像分析仪）实现了以下所述的血管检测和直径测量算法： 另外，以允许用户友好地将参数适应于其他图像类型或与视网膜图像分析有关的替代算法（或算法块）的集成的方式进行了编写。 如果您是研究人员，并且可以使用此软件，请在任何相关出版物中引用以上论文。 另外，如果您是开发人员，希望使用ARIA作为您自己的视网膜图像软件的基础，请考虑分叉该项目，并在使用时引用本文。 跑步 要运行ARIA，只需打开MATLAB并导航，以使“当前文件夹”包含此自述文件。 然后在命令提示符下键入ARIA。 或者，右键单击文件ARIA.m，然后选择“运行”。 如果您希望每次都无需在MATLAB中导航至正确的目录即可运行ARIA，请在命令提示符下键入一次ARIA_setup。 然后应保存目录。 测验 要重现论文“使用小波和边缘位置细化进行快速视网膜血管检测和测量”中报告的结果，或使用其他测试系统应用时序，您只需运行文件“ ARIA_run_tests.m”即可。 请注意，您将需要首先下载DRIVE（）和REVIEW（）图像数据库。 第一次运行测试时，还需要选择保存这些数

基于GPU加速的磁共振血管造影图像的并行分割与追踪算法.pdf

机器学习在心脑血管领域图像分析上的应用.pdf

10月17看阿司匹林在心脑血管疾病防治中的基石地位.pptx

提出了一种基于多尺度特征融合的全卷积神经网络的视网膜血管分割方法, 无需手工设计特征和后处理过程。利用跳跃连接构建编码器-解码器结构全卷积神经网络, 将高层语义信息和低层特征信息进行融合; 利用残差块进一步学习细节和纹理特征; 利用不同空洞率的空洞卷积构建多尺度空间金字塔池化结构, 进一步扩大感受野, 充分结合图像上下文信息; 采用类别平衡损失函数解决正负样本不均衡问题。实验结果表明, 在DRIVE(Digital Retinal Images for Vessel Extraction)和STARE (Structured Analysis of the Retina)数据集上的准确率分别为95.46%和96.84%, 敏感性分别为80.53%和82.99%, 特异性分别为97.67%和97.94%, 受试者工作特征(ROC)曲线下的面积分别为97.71%和98.17%。所提方法相较于其他方法性能更优。

由于人体脑血管结构复杂,空间比例小,三维分割和重构十分困难,本文面向时飞磁共振血管造影(TOF MRA)数据提出了一种新的瑞利高斯有限混合模型来实现脑血管的自动提取和分割。首先,对已有的混合模型进行了分析;然后,采用最大强度投影法(MIP)预处理脑部数据后采用高斯分布拟合血管类,采用瑞利分布和高斯分布拟合非血管类。提出的模型构造简单,参数向量较少;在血管与非血管的混合区域,模型与灰度直方图具有较好的拟合性。模型在传统期望最大化(EM)算法中加入随机扰动项构造随机期望最大化(SEM)算法来实现混合模型的参数估计,降低了算法对初值的依赖,同时提高了鲁棒性。实验证明,与已有双高斯模型相比,血管点数增加了27%,可细分到三级血管且细节的连通性更好。本模型可更准确地拟合数据的灰度分布曲线,有效地分割脑血管主分支及周围较细小分支,泛化性较好并可应用于相似系统中。

主动脉和周围血管病.ppt

行业-电子政务-改善焦痂、封堵血管和组织的电外科手术导电气体切割系统和方法.zip

真空采血管智能贴标系统.pdf