基于主动轮廓模型的图像分析方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60805004
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    19.0万
  • 负责人：
    刘利雄
  • 依托单位：
    北京理工大学
  • 学科分类：
    F0604.机器感知与机器视觉
  • 结题年份：
    2011
  • 批准年份：
    2008
  • 项目状态：
    已结题
  • 起止时间：
    2009-01-01 至2011-12-31

项目摘要

主动轮廓模型能够将目标形状的先验知识和来自图像的知识融于一个统一的过程中，是一种自顶向下的图像分析方法，受到计算机科学家和数学家的广泛重视,是目前图像处理分析领域的研究热点。本项目研究基于主动轮廓模型的图像分割与运动跟踪方法,系统研究梯度矢量流外力模型存在的问题，提出几种梯度矢量流的新算法,这些方法将具有不同的特点,适合不同的应用；提出基于核方法和主动轮廓相结合的目标跟踪算法,并在水平集框架之下寻找轮廓之间的对应点；提出针对医学图像中心脏器的基于区域的分割与跟踪方法；系统研究新的模型的数值求解方法,在此基础上形成方便实用的图像分割软件包。 本项研究对于丰富主动轮廓模型的内容,促进其理论的发展与完善，扩展其应用,推动图像分析和理解的发展具有重要的科学意义。

结项摘要

项目成果

期刊论文数量（10）
专著数量（0）
科研奖励数量（0）
会议论文数量（15）
专利数量（0）
一种心脏核磁共振图像左室壁内外膜分割方法.
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    软件学报, 20(5), pp 1176-1184, 2009/5
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
Texture Segmentation Using Vector-valued Chan-Vese Model Driven by Local Histogram with Optimal Number of Bins
使用局部直方图驱动的矢量值 Chan-Vese 模型进行纹理分割，具有最佳的 bin 数量
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
MTV: modified total variation model for image noise removal
MTV：用于图像噪声消除的改进的全变分模型
  • DOI：
    10.1049/el.2010.3505
  • 发表时间：
    2011-05
  • 期刊：
    Electronics Letters
  • 影响因子：
    1.1
  • 作者：
  • 通讯作者：
一种基于主动轮廓模型的心脏核磁共振图像分割方法.
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机学报,35(1), 2012/1
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
A Novel Method for Segmentation of the Cardiac MR Images Using GDDGVF Snake Models with Shape Priors
使用具有形状先验的 GDDGVF 蛇模型分割心脏 MR 图像的新方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于水平集的局部自适应图像分割方法
  • DOI：
    --
  • 发表时间：
    2017
  • 期刊：
    中国科技论文
  • 影响因子：
    --
  • 作者：
    王君伟;刘利雄
  • 通讯作者：
    刘利雄
城市空间视角下的高层建筑形态设计思考
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    城市建筑
  • 影响因子：
    --
  • 作者：
    刘利雄;王世福
  • 通讯作者：
    王世福

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

刘利雄的其他基金

面向全景内容的视觉质量智能分析
  • 批准号：
    62372042
  • 批准年份：
    2023
  • 资助金额：
    50 万元
  • 项目类别：
    面上项目
基于视觉感知特性的无参考图像和视频质量评价方法研究
  • 批准号：
    61672095
  • 批准年份：
    2016
  • 资助金额：
    62.0 万元
  • 项目类别：
    面上项目
基于主动轮廓模型的图像分割与目标跟踪研究
  • 批准号：
    61370133
  • 批准年份：
    2013
  • 资助金额：
    75.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码