xiazaidaihao的博客

医学图像融合是医学影像和放射医学等领域的研究热点之一，广受医学界和工程界重视。提出一种基于 在线字典学习( ODL) 和脉冲耦合神经网络( PCNN) 的脑部CT 和MR 图像融合新算法。首先，利用滑动窗技术将源 图像分块，使用ODL 算法和最小角回归算法( LARS) 得到各图像块对应列向量的稀疏编码; 其次，将稀疏编码作为 脉冲耦合神经网络的外部输入刺激信号进行迭代处理，根据点火次数确定融合系数; 最后，根据融合系数和学习字 典重构融合图像。基于哈佛医学院的10 组脑部CT 和MR 数据，将所提出算法同基于KSVD 的融合算法、基于 ODL 的融合算法、基于NSCT 的融合算法比较

A Fast Proximal Method for Convolutional Sparse Coding.pdf

java桌球游戏java桌球游戏java桌球游戏java桌球游戏 (this is a very good play game!!!!!!)

近年来 ，由于 临床应用需求 临床应用需求 临床应用需求 临床应用需求 临床应用需求 临床应用需求 的不断 增加 ，对于多模 ，对于多模 ，对于多模 ，对于多模 ，对于多模 医学 图像融合 图像融合 图像融合 图像融合 的研究引来 研究引来 研究引来 了更多的关注。内科医生通过识别 大量 多模医学图像 （如 CT 、MRI MRI）来诊断病人 的病情，确定灶这 病情，确定灶这 病情，确定灶这 病情，确定灶这 病情，确定灶这 病情，确定灶这 病情，确定灶这 病情，确定灶这 病情，确定灶这 需要 大量的时间和丰富经验 大量的时间和丰富经验 大量的时间和丰富经验 大量的时间和丰富经验 大量的时间和丰富经验 大量的时间和丰富经验 大量的时间和丰富经验 大量的时间和丰富经验 大量的时间和丰富经验 大量的时间和丰富经验 大量的时间和丰富经验 。将多模医学图像 将多模医学图像 将多模医学图像 将多模医学图像 将多模医学图像 将多模医学图像 将多模医学图像 中存在的 对比和互补信息 对比和互补信息 对比和互补信息 对比和互补信息 对比和互补信息 对比和互补信息 对比和互补信息 融合 进一张图片中， 进一张图片中， 进一张图片中， 进一张图片中， 进一张图片中， 进一张图片中， 进一张图片中， 就能够帮助 能够帮助 能够帮助 能够帮助 内科 医生 更好 的识别出 的识别出 的识别出 的识别出 不容易 观 测到 的特征 ，减小错诊率 和手术失误减小错诊率 和手术失误减小错诊率 和手术失误减小错诊率 和手术失误减小错诊率 和手术失误减小错诊率 和手术失误减小错诊率 和手术失误减小错诊率 和手术失误减小错诊率 和手术失误减小错诊率 和手术失误减小错诊率 和手术失误。融合后的图像还能 融合后的图像还能 融合后的图像还能 融合后的图像还能 融合后的图像还能 融合后的图像还能 融合后的图像还能 融合后的图像还能 通过后续的 通过后续的 通过后续的 通过后续的 通过后续的 处理 ，如 进行三维建模等工作，用于 临床模拟或者医学教工作。