留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

人体甲状腺动态红外图像多重分形分析

范雪霜 孙强 吕深圳 杨建柏 王健

范雪霜, 孙强, 吕深圳, 杨建柏, 王健. 人体甲状腺动态红外图像多重分形分析[J]. 红外与激光工程, 2019, 48(4): 426002-0426002(10). doi: 10.3788/IRLA201948.0426002
引用本文: 范雪霜, 孙强, 吕深圳, 杨建柏, 王健. 人体甲状腺动态红外图像多重分形分析[J]. 红外与激光工程, 2019, 48(4): 426002-0426002(10). doi: 10.3788/IRLA201948.0426002
Fan Xueshuang, Sun Qiang, Lv Shenzhen, Yang Jianbai, Wang Jian. Multi-fractal analysis of dynamic infrared image of human thyroids[J]. Infrared and Laser Engineering, 2019, 48(4): 426002-0426002(10). doi: 10.3788/IRLA201948.0426002
Citation: Fan Xueshuang, Sun Qiang, Lv Shenzhen, Yang Jianbai, Wang Jian. Multi-fractal analysis of dynamic infrared image of human thyroids[J]. Infrared and Laser Engineering, 2019, 48(4): 426002-0426002(10). doi: 10.3788/IRLA201948.0426002

人体甲状腺动态红外图像多重分形分析

doi: 10.3788/IRLA201948.0426002
详细信息
    作者简介:

    范雪霜(1994-),女,硕士生,主要从事红外光学与信号处理方面的研究。Email:fanfan13104433005@163.com

  • 中图分类号: TP391

Multi-fractal analysis of dynamic infrared image of human thyroids

  • 摘要: 开展了健康对象甲状腺动态红外图像的多重分形特征研究,并对不同个体甲状腺多重分形特征参数进行了统计分析与差异性检验。首先,在恒温恒湿实验环境下,获取多帧人体甲状腺红外图像,并对其进行网格划分,形成温度时间序列。然后,探讨了适合人体甲状腺多重分形分析的原始信号长度、小波变换尺度因子、统计矩阶数的取值。在确定好上述参数后,对温度时间序列进行多尺度小波变换,求解其小波变换模极大,进而获取不同健康对象甲状腺左右叶多重分形特征参数的分布特性。研究结果表明:健康对象甲状腺多重分形特征谱线分形维数取得极值处对应的奇异性指数c1的分布集中在1.1~1.3范围内,间隙系数c2的分布则集中于0.002~0.005范围内,二者分布特征不存在个体差异的检验水准=0.01;多重分形谱线半峰宽集中于0.164~0.166范围内且不存在个体差异的检验水准=0.05。
  • [1] Das K, Sungh R, Mishras C. Numerical analysis for determination of the presence of a tumor and estimation of its size and location in a tissue[J]. Journal of Thermal Biology, 2013, 38:32-40.
    [2] Han F, Liang C W, Shi G L, et al. Clinical applications of internal heat source analysis for breast cancer identification[J]. Gent Mol Res, 2015, 14(1):1450-1460.
    [3] Acharya U R, Ng E Y K, Tan J H. Thermography based breast cancer detecting using texture features and support vector machine[J]. Journal of Medical Systems, 2012, 33:1503-1510.
    [4] Jones B F, Plassmann P. Digital infrared thermal imaging of human skin[J]. IEEE Engineering in Medicine and Biology Magazine, 2002, 21(6):41-48.
    [5] Silva L F, Santos A A S M D, Bravo R S, et al. Hybrid analysis for indicating patients with breast cancer using temperature time series[J]. Computer Methods and Programs in Biomedicine, 2016, 130:142-153.
    [6] Gavriloaia G, Ghemigian A M, Gavriloaia M R. Infrared signature analysis of the thyroid tumors[C]//European Conference on Biomedical Optics. Optical Society of America, 2009:7371_1F.
    [7] Gerasimova E, Auditb, Roux S G, et al. Multifractal analysis of dynamic infrared imaging of breast cancer[J]. EPL (Europhysics Letters), 2014, 104(6):68001.
    [8] Muzy J F, Bacry E, Arenodo A. The multifractal formalism revisited with wavelets[J]. International Journal of Bifurcation and Chaos, 1994, 4(2):245-302.
    [9] Bacry E, Muzy J F, Arneodo A. Singularity spectrum of fractal signals from wavelet analysis:Exact results[J]. Journal of Statistical Physics, 1993, 70(3-4):635-674.
    [10] Arendod A, Bacry E, Muzy J F. The thermodynamics of fractals revisited with wavelets[J]. Physica A:Statistical Mechanics and its Applications, 1995, 213(1-2):232-275.
    [11] Ivanov P C, Amaral L A N, Goldberger A L, et al. Multifractality in human heartbeat dynamics[J]. Nature, 1999, 399(6735):461-465.
    [12] Ivanov P C, Nunes Amaral L A, Goleberger A L, et al. From 1/f noise to multifractal cascades in heartbeat dynamics[J]. Chaos:An Interdisciplinary Journal of Nonlinear Science, 2001, 11(3):641-652.
    [13] Goldberger A L, Amaral L A N, Hausdorff J M, et al. Fractal dynamics in physiology:alterations with disease and aging[J]. Proceedings of the National Academy of Sciences, 2002, 99(S1):2466-2472.
  • [1] 曹军峰, 丁庆海, 罗海波.  基于空间非一致模糊核标定的红外图像超分辨率重建方法 . 红外与激光工程, 2024, 53(2): 20230252-1-20230252-10. doi: 10.3788/IRLA20230252
    [2] 庞忠祥, 刘勰, 刘桂华, 龚泿军, 周晗, 罗洪伟.  并行多特征提取网络的红外图像增强方法 . 红外与激光工程, 2022, 51(8): 20210957-1-20210957-9. doi: 10.3788/IRLA20210957
    [3] 李霖, 王红梅, 李辰凯.  红外与可见光图像深度学习融合方法综述 . 红外与激光工程, 2022, 51(12): 20220125-1-20220125-20. doi: 10.3788/IRLA20220125
    [4] 杨棉绒, 牛丽平.  基于LGBM的Zernike特征选取及红外图像目标识别方法 . 红外与激光工程, 2022, 51(4): 20210309-1-20210309-6. doi: 10.3788/IRLA20210309
    [5] 王鹏翔, 张兆基, 杨怀.  结合多特征融合和极限学习机的红外图像目标分类方法 . 红外与激光工程, 2022, 51(6): 20210597-1-20210597-6. doi: 10.3788/IRLA20210597
    [6] 廖莎莎.  基于筛选深度特征的红外图像目标识别方法 . 红外与激光工程, 2022, 51(5): 20210372-1-20210372-6. doi: 10.3788/IRLA20210372
    [7] 杨雅志, 李骏.  单演信号在红外图像目标分类中的应用研究 . 红外与激光工程, 2021, 50(12): 20210165-1-20210165-7. doi: 10.3788/IRLA20210165
    [8] 沈英, 黄春红, 黄峰, 李杰, 朱梦娇, 王舒.  红外与可见光图像融合技术的研究进展 . 红外与激光工程, 2021, 50(9): 20200467-1-20200467-18. doi: 10.3788/IRLA20200467
    [9] 李娜, 邓家先, 崔亚妮, 陈褒丹.  基于暗通道先验的红外图像清晰化及FPGA实现 . 红外与激光工程, 2021, 50(3): 20200252-1-20200252-10. doi: 10.3788/IRLA20200252
    [10] 史国军.  深度特征联合表征的红外图像目标识别方法 . 红外与激光工程, 2021, 50(3): 20200399-1-20200399-6. doi: 10.3788/IRLA20200399
    [11] 赵璐, 熊森.  多视角红外图像目标识别方法 . 红外与激光工程, 2021, 50(11): 20210206-1-20210206-6. doi: 10.3788/IRLA20210206
    [12] 李方舟, 赵耀宏, 向伟, 刘海峥.  基于改进非局部均值的红外图像混合噪声去除方法 . 红外与激光工程, 2019, 48(S1): 163-173. doi: 10.3788/IRLA201948.S128001
    [13] 朱晓婷, 刘雁翔, 郭锐, 刘荣忠, 武军安.  末敏弹线阵红外图像的Harris角点检测优化算法 . 红外与激光工程, 2019, 48(S2): 149-155. doi: 10.3788/IRLA201948.S226004
    [14] 韩义波, 杨新锋, 滕书华, 庄祉昀.  激光与红外融合目标检测 . 红外与激光工程, 2018, 47(8): 804005-0804005(7). doi: 10.3788/IRLA201847.0804005
    [15] 唐庆菊, 刘俊岩, 王扬, 刘元林, 梅晨.  基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测 . 红外与激光工程, 2016, 45(9): 928001-0928001(5). doi: 10.3788/IRLA201645.0928001
    [16] 刘松林, 牛照东, 陈曾平.  交叉熵约束的红外图像最小错误阈值分割 . 红外与激光工程, 2014, 43(3): 979-984.
    [17] 张宝辉, 闵超波, 窦亮, 张俊举, 常本康.  目标增强的红外与微光图像融合算法 . 红外与激光工程, 2014, 43(7): 2349-2353.
    [18] 张士杰, 李俊山, 杨亚威, 张姣, 李海龙, 郭毅.  湍流退化红外图像校正算法 . 红外与激光工程, 2014, 43(11): 3670-3675.
    [19] 孙韶媛, 李琳娜, 赵海涛.  采用KPCA和BP神经网络的单目车载红外图像深度估计 . 红外与激光工程, 2013, 42(9): 2348-2352.
    [20] 王慧丽, 齐异, 刘焕英.  舰船尾流红外图像边界检测方法 . 红外与激光工程, 2013, 42(2): 524-527.
  • 加载中
计量
  • 文章访问数:  509
  • HTML全文浏览量:  99
  • PDF下载量:  49
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-11-15
  • 修回日期:  2018-12-20
  • 刊出日期:  2019-04-25

人体甲状腺动态红外图像多重分形分析

doi: 10.3788/IRLA201948.0426002
    作者简介:

    范雪霜(1994-),女,硕士生,主要从事红外光学与信号处理方面的研究。Email:fanfan13104433005@163.com

  • 中图分类号: TP391

摘要: 开展了健康对象甲状腺动态红外图像的多重分形特征研究,并对不同个体甲状腺多重分形特征参数进行了统计分析与差异性检验。首先,在恒温恒湿实验环境下,获取多帧人体甲状腺红外图像,并对其进行网格划分,形成温度时间序列。然后,探讨了适合人体甲状腺多重分形分析的原始信号长度、小波变换尺度因子、统计矩阶数的取值。在确定好上述参数后,对温度时间序列进行多尺度小波变换,求解其小波变换模极大,进而获取不同健康对象甲状腺左右叶多重分形特征参数的分布特性。研究结果表明:健康对象甲状腺多重分形特征谱线分形维数取得极值处对应的奇异性指数c1的分布集中在1.1~1.3范围内,间隙系数c2的分布则集中于0.002~0.005范围内,二者分布特征不存在个体差异的检验水准=0.01;多重分形谱线半峰宽集中于0.164~0.166范围内且不存在个体差异的检验水准=0.05。

English Abstract

参考文献 (13)

目录

    /

    返回文章
    返回