医学图像现在发挥重要作用在多种疾病的检测和诊断。从解剖信息,功能活动,分子和细胞的表情,医学成像提供了直接透过人体可视化手段,观察那一刻解剖变化和生物过程具有不同的物理和生物参数。信息,医学成像通常需要有经验的医生最好的解释透露的信息图片。然而,由于各种主观因素以及有限的分析时间和工具,是很常见的,不同的医生可能想出不同的解释,导致不同的诊断。此外,对于同一组医学影像,医生可能会在不同的时间不同的诊断结果。

达到一个更加可靠和准确的诊断,最近,品种的计算机辅助诊断(CAD)和(CADx)诊断方法已经开发协助医学图像的解释。至少有四种类型的努力可能会发现在这些CAD和CADx方法。第一种是协助在视觉检测和定性分析的医学图像中感兴趣的对象通过提高对象的特征或抑制背景噪声。第二种类型是协助提取感兴趣的对象为进一步定量分析等技术边界界定、树结构重建和纤维跟踪。第三种类型是自动检测和分类的对象通过集成数据挖掘,医学图像分析和信号处理技术。第四型是估计解剖和功能组织属性没有明确透露在医学图像基于数学建模,例如,生理学、生物力学、传热等等。

这个特殊的问题旨在提供最先进的CAD和CADx算法对医学图像。尽管所有四种类型的作品是受欢迎的,这些新的CAD和CADx算法与临床或生物验证尤其鼓励。潜在的主题包括,但不限于:

• 增强和可视化的方法改善视觉检测和诊断
• 分割算法对3 d病变,器官、骨骼、血管,航空公司,等等
• 纤维结构提取算法
• 横向、纵向和多模图像配准算法
• 体积损伤和异常检测算法的图像
• 高性能临床应用CAD和CADx算法
• 基于数学建模的解剖和功能参数估计

之前提交的作者应该仔细阅读《华尔街日报》的作者指南,位于//www.newsama.com/journals/cmmm/guidelines/。未来的作者应该提交一份电子版的完整手稿通过跟踪系统在《华尔街日报》手稿http://mts.hindawi.com/submit/journals/cmmm/cad/根据以下时间表: