简介:目的:有效且准确地提取肺部轮廓是自动计算心胸比例、判断心脏增大的一项很关键的步骤。胸片图像由于器官之间的灰度重叠以及病人体位的影响,肺部边缘不是很清晰,肺部区域内的灰度分布也不均匀,因此,对胸片图像肺部区域的分割具有一定的难度。本文提出一种基于改进的C-V水平集模型的肺部轮廓提取算法。方法:通过改进梯度函数及演化过程来提高算法的准确性和速度。结果:改进后的C-V水平集算法比原始算法的时间迭代次数减少1/3,时间大大缩短,演化效率提高,计算机自动分割速度加快。结论:实验表明,该算法简单高效,能提高图像分割的速度,适合应用于胸片肺部轮廓的提取,为自动计算心胸比率提供了较好的方法。
简介:桥梁监测序列是典型的非平稳时间序列,需要进行一些处理将非平稳序列平稳化后再拟合ARMA模型。将监测数据平稳化后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型即为ARIMA模型。以玉峰大桥为例,介绍了季节ARIMA模型的建模思路与总体流程,模拟了检测序列的变化趋势。以季节ARIMA模型为预测模型作为结构的退化模型,对测点进行退化趋势模拟与退化临界时刻预测。结果显示ARIMA模型对序列的拟合效果良好,可以用于桥梁监测序列的预测,其对退化临界时刻的预测可以从整体上掌握桥梁的整体退化趋势和极限使用寿命。