Resumen

La extracción de datos y la visualización de imágenes médicas 3D de vasos sanguíneos oculares se realizan mediante un algoritmo de transformación geométrica, que primero realiza la respuesta de resonancia aleatoria en un sentido global para lograr la detección de vasos sanguíneos gruesos de alto contraste y, a continuación, redefine la señal de entrada como una imagen local que protege el resultado de detección global para lograr la detección mejorada de vasos microfinos de bajo contraste y la detección completa de segmentación de resonancia aleatoria multinivel. Por último, se propone un método de detección por resonancia aleatoria de vasos del fondo del ojo basado en la descomposición de escalas, en el que las imágenes se descomponen en escalas, las señales de alta frecuencia que contienen información detallada se mejoran por resonancia aleatoria para lograr la detección de segmentación de vasos microfinos, y los resultados finales de detección de segmentación de vasos se obtienen tras fusionar las señales de imagen de baja frecuencia. La respuesta de resonancia estocástica óptima del modelo no lineal de neuronas en sentido global se obtiene para detectar la señal de intensidad de alto grado; a continuación, la señal de entrada se define como una imagen local con vasos sanguíneos de alto contraste eliminados, y los parámetros se optimizan antes de la detección de la señal de intensidad de bajo grado. Por último, la respuesta de resonancia aleatoria multinivel se fusiona para obtener los resultados de segmentación de los vasos retinianos del fondo de ojo. La sensibilidad del método de segmentación multinivel propuesto en este trabajo mejora significativamente en comparación con los resultados de resonancia aleatoria global, lo que indica que el método propuesto en este trabajo tiene ventajas evidentes en la segmentación de vasos con niveles de intensidad bajos. Se probó la biblioteca de imágenes, y los resultados experimentales mostraron que el nuevo método tiene un mejor efecto de segmentación en vasos sanguíneos microscópicos de bajo contraste. El nuevo método no sólo aprovecha al máximo el ruido para la detección y segmentación de señales débiles, sino que también proporciona una nueva idea de cómo lograr la segmentación multinivel y el reconocimiento de imágenes médicas.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:señal de intensidad de grado, sentido global, señal de entrada, imagen local, nuevo método, resultados finales de detección de segmentación de vasos, resultados globales de resonancia aleatoria, detección de segmentación de vasos microfinos, respuesta de resonancia aleatoria multinivel, detección de segmentación de resonancia aleatoria multinivel
• Keywords:grade intensity signal, global sense, input signal, local image, new method, final vessel segmentation detection results, global random resonance results, microfine vessel segmentation detection, multilevel random resonance response, multilevel random resonance segmentation detection