简介：基于造影图像序列的血管减影增强技术能够有效地去除图像中大部分非血管结构、成像噪声以及不同结构运动所造成的运动伪影,对实现血管结构识别,提高血管的对比度,并对后续血管结构的分析和医生对疾病的诊疗具有重要意义;同时,该技术可减少对病人的造影剂注射量,具有重要的临床意义。本文基于单视角血管造影图像序列,从血管造影图像减影技术的基本原理,包括基于图像配准和基于层分解的两类减影方法出发,介绍了每个关键步骤的发展现状。同时对血管减影技术的难点进行分析,并对减影增强技术未来的发展趋势予以展望。
简介：针对因影响因素众多而难以预测的隧道沉降问题,使用粒子群算法（PSO）优化支持向量回归模型（SVR）并结合灰色理论中的等维新息,提出了混合模型对隧道沉降时间序列数据进行预测研究.与ELM极限学习机预测模型及PSO-BP神经网络预测模型进行了对比实验.发现等维新息SVR模型在预测精度上要优于其它两个模型,于是得出该模型可以有效地应用于隧道沉降时间序列的预测研究.
血管造影图像序列减影增强技术综述
等维新息SVR模型对隧道沉降时间序列的预测研究
