用于疾病特征识别的多分辨率和小波表示

摘要

通过信号和图像识别疾病的生理和解剖特征是生物医学工程的基本挑战之一。挑战是最明显的，因为这些信号必须被识别，尽管有巨大的内部和内部的变化和噪声。发现这些特征的关键是开发利用自然信号的一般统计特性的方法。近年来，信号处理和应用数学领域发展了利用gabor型和小波型函数将信号能量定位在一个联合的时频和/或空频域的信号表示。这些技术可以表示为多分辨率变换，其中最著名的可能是小波变换。在这篇文章中，我们回顾了小波和其他相关的多分辨率变换，在识别疾病特征的背景下。这些变换构造了信号的一般表示，可用于检测、诊断和治疗监测。我们提出了几个例子，这些转换应用于生物医学信号和成像处理。这些技术包括乳房x线照相术中的计算机辅助诊断，眼缝灯图像的实时镶嵌，通过超声波对心脏病进行表征，预测癫痫发作和脑电图特征分析，以及重建正电子发射断层扫描数据。

疾病标记

早期疾病标志物的功能成像

摘要

版权

更多相关文章