[01122917]基于高效仿生类算法的左心室三维形状恢复关键技术研究

1）在左心室三维重构过程中，参数拟合非线性最小二乘优化问题是用变形超二次曲面模型的来恢复整个左心室形状的全局建模技术中的关键。由于目标函数的非线性程度很高，并且属于大残量数据拟合问题，传统Levenberg-Marquardt方法存在不适用性，为此设计并行粒子群优化算法来求解。为了既提高算法搜索效率又能克服早收敛现象，将岛屿群体模型引入到经典粒子群优化算法中，从结构上改变了经典粒子群优化算法模式。研究表明用并行粒子群优化算法重构超二次曲面三维模型提高了重构精确性和效率，而且性能稳定。　　2）为了扩展超二次曲面的表达能力，用若干个二次曲面组成一个扩展的超二次曲面可伸缩模型，可以更为精确地表达左心室全局形状。由于增加二次曲面函数的约束，模型参数拟合过程就转化成一个约束非线性优化问题，为此设计了具有协同演化的并行粒子群优化算法来解决这一问题。研究表明用基于协同演化的并行粒子群优化算法重构扩展的超二次曲面三维模型提高了重构模型的精确性，扩大了模型的表达能力。　　3）属性形态开闭运算是更具一般性的基于属性区域的形态运算，它们描述更一般化的形状特征并且没有形状改变。这种形态运算只去除在图像中不满足给定递增准则的连通成分，不会破坏对象的边缘及形状，具有极强的除噪声能力，并且具有平移不变性。将这些运算应用到心脏图像的分割，取得了满意的效果。