作者：Bin Xiao, Han Tang, Yanjun Jiang, Weisheng Li, Guoyin Wang 单位：Chongqing Key Laboratory of Computational Intelligence, Chongqing University of Posts and Telecommunications, Chongqing 400065, China发表期刊：June 2015 Neurocomputing 157 DOI:10.1016/j.neucom.2015.01.025论文简介：本文提出了一种新的空间配准多模态医学图像融合框架，该框架主要基于非下采样轮廓变换(NSCT)。该方法能够将源医学图像分解为NSCT域的低频段和高频段。然后应用不同的融合规则应用于变换图像的不同频带。融合系数由以下融合规则实现：低频分量使用归一化香农熵的活动度量进行融合，它本质上是从具有高度集中的聚焦区域中选择低频分量。相反，高频分量使用指令对比度进行融合，该对比度本质上从源收集所有信息纹理。以四组人脑和两幅来自不同来源的临床骨图作为实验对象，说明了该框架的性能。实验结果和与其他方法的比较表明，该框架在主观和客观评估标准上都具有较好的性能。研究方向：医学图像融合
下载作者：Ming Yin a, Xiaoning Liu a, Yu Liu b, and Xun Chen C单位：a School of Mathematics, Hefei University of Technology, Hefei 230009, China. b Department of Biomedical Engineering, Hefei University of Technology, Hefei 230009, China (e-mail: yuliu@hfut.edu.cn). c Department of Electronic Science and Technology,University of Science and Technology of China, Hefei 230026, China.发表期刊：IEEE Transactions on Instrumentation and Meaurement,2019,68(1):49-64论文简介：本文提出了一种新的非下采样剪切变换(NSST)领域的多模态医学图像融合方法。在所提出的方法中，首先对源图像进行NSST分解，得到它们的多尺度和多方向表示。通过参数自适应脉冲耦合神经网络(PA-PCNN)模型对高频波段进行融合，其中所有PCNN参数都可以由输入波段自适应估计。低频波段被一种新的策略合并，该策略同时处理两个医学图像融合的关键问题，即能量保存和细节提取。最后，通过对融合的高频和低频进行逆NSST重建融合图像。通过四种不同类型的医学图像融合问题(计算机断层扫描(CT)和磁共振(MR)、MR-T1和MR-T2，MR和PET，MR和单光子发射CT]总共有80对以上的源图像验证了该方法的有效性。实验结果表明，该方法与另外九种具有代表性的医学图像融合方法相比，具有竞争力的性能，也是目前视觉质量和客观评估的最好结果。研究方向：图像融合
下载作者：Yu Liua, Shuping Liua, Zengfu Wang a,b,*单位：a Department of Automation, University of Science and Technology of China, Hefei 230026, China b Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China发表期刊：Information Fusion,2015(24):147–164论文简介：在图像融合文献中，多尺度变换(MST)和稀疏表示(SR)是两种应用最广泛的信号/图像表示理论。本文提出了一种通用的图像融合框架，通过结合MST和SR来同时克服基于MST和SR的融合方法的固有缺陷。在我们的融合框架中，MST首先在每个预配准源图像上执行，获取它们的低通系数和高通系数。然后，将低通带与基于SR的融合方法合并，而高通带则以COEF-FICS的绝对值作为活动水平测度者进行融合。最后通过对合并系数执行逆MST得到融合图像。首先从理论的角度详细地展示了所提出的融合框架相对于单个MST或基于SR的方法的优点，然后用多聚焦、可见红外和医学图像融合进行了实验验证。特别是六种流行的多尺度变换，即拉普拉斯金字塔(LP)、低通金字塔比(RP)、离散小波变换(DWT)、双树复小波变换(DTCWT)、曲线变换（CVT）和非采样轮廓变换(NSCT），在我们的实验中，对不同的分解水平从1到4进行了测试。通过主观和客观地比较融合结果，给出了在所提出的框架下对每一类图像融合的最佳融合方法。还研究了滑动窗口步长的影响。此外，实验结果表明，所提出的融合框架可以获得最先进的性能，特别是对于多模态图像的融合。研究方向：图像融合
下载作者：Lu Tanga, Chuangeng Tianc, Leida Lid, Bo Hue, Wei Yue, Kai Xua,b,*单位：a School of Medical Imaging, Xuzhou Medical University, China b Department of Radiology, Affiliated Hospital of Xuzhou Medical University, China c School of Information and Electrical Engineering, Xuzhou University of Technology, China d School of Artificial Intelligence, Xidian University, China e School of Information and Control Engineering, China University of Mining and Technology, China发表期刊：Signal Processing: Image Communication 85 (2020) 115852论文简介：近年来，多模态医学图像融合(MMIF)在临床诊断和治疗中起着至关重要的作用。提出了许多MMIF算法来改进MMIF图像质量。多模态医学融合图像的质量将显著影响临床诊断结果。然而，几乎没有设计工作来评估MMIF算法的有效性和MMIF图像的质量。为此，本文提出了一种MMIF感知质量评估方法。首先建立了MMIF图像数据库(MMIFID)，采用经典的MMIF算法，并进行了主观实验，对每幅融合图像的质量进行了评估。在此基础上，提出了一种在NSCT中基于脉冲耦合神经网络(PCNN)的无参考目标方法来评价MMIF图像的感知质量)。通过NSCT将融合图像分解为低频子带(LFS)和高频子带(HFS)，它被用来激励PCNN处理，并使用较大的发射时间来测量LFS和HFS，最后，将两个组成部分的评价结果相结合，得到总体目标质量得分。基于MMIFID的实验结果表明，该方法优于现有的图像融合质量评价指标，并与主观评价提供了满意的相关性，显示了医学融合图像质量评估的有效性。研究方向：融合图像质量评估
下载作者：Shui-HuaWang 1,2,3, Vishnu VarthananGovindaraj 4, Juan ManuelGórriz 5,6, XinZhang 7, Yu-DongZhang 2,8单位：1 Department of Cardiovascular Sciences, University of Leicester, LE1 7RH, UK 2 Department of Information Systems, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah 21589, Saudi Arabia 3 School of Architecture Building and Civil engineering, Loughborough University, Loughborough LE11 3TU, UK 4 Department of Biomedical Engineering, Kalasalingam Academy of Research and Education, Srivilliputhur post, Krishnankoil 626 126, Tamil Nadu, India 5 Department of Signal Theory, Networking and Communications, University of Granada, Granada, Spain 6 Department of Psychiatry, University of Cambridge, Cambridge CB21TN, UK 7 Department of Medical Imaging, The Fourth People's Hospital of Huai'an, Huai'an, Jiangsu Province, 223002, China 8 School of Informatics, University of Leicester, Leicester LE1 7RH, UK 发表期刊：Information Fusion论文简介：新冠肺炎是一种今年向全球蔓延的传染病。在这项研究中，我们计划开发一个基于人工智能的工具来对胸部CT图像进行诊断。一方面，我们从自创建的卷积神经网络(CNN)中提取特征来学习个体图像级表示。拟议中的CNN采用了几种新技术，如基于排名的平均合并和多路数据增强。另一方面，关系感知表示是从图卷积网络(GCN)中学习的。本文提出了深度特征融合(DFF)算法，分别融合了GCN和CNN中的单个图像级特征和关系感知特征。最佳模特被命名为FGCNet。实验证明所提出的FGCNet模型是有效的，并且比所有15种最先进的方法都有更好的性能。研究方向：医学图像融合
下载作者：Nishant Kumar 1, Nico Hoffmann 2, Matthias Kirsch 3, Stefan Gumhold 1单位：1 Computer Graphics and Visualisation, Technische Universität Dresden, Germany 2 Helmholtz-Zentrum Dresden-Rossendorf, Germany 3 University Hospital Carl Gustav Carus, Germany 发表期刊：2020 IEEE 17th International Symposium on Biomedical Imaging (ISBI)论文简介：医学图像融合将两个或多个模态合并到一个视图中，而医学图像翻译则合成新图像并辅助数据增强。总之，这些方法有助于更快地诊断高级别恶性胶质瘤。然而，他们可能是不可信的，因为神经外科医生需要一个强大的可视化工具来验证融合和翻译结果的可靠性，然后才能做出手术前的决定。在本文中，我们提出了一种新的方法来计算源-目标图像对之间的置信度热图，该方法利用源-目标图像的联合概率分布来估计从源图像到目标图像的信息传递。我们使用我们的可视化程序评估了几种融合和翻译方法，并展示了其健壮性，使神经外科医生能够做出更精细的临床决策。研究方向：医学图像融合
下载