肝癌图像感兴趣目标的准确分割

背景:Snake模型为医学图像分割提供了一个全新的分割方式,可以克服传统图像分割方法在医学图像分割中的缺点.目的:针对肝癌CT图像特点,提出了一种改进的B样条曲线的Snake模型图像分割算法.方法:对腹部CT图像进行预处理,获得肝脏癌变部分的初始轮廓,再构造闭合B样条Snake模型,最后使用MMSE最小化外力变形模型以实现图像的准确分割.结果与结论:改进的B-Snake分割算法不仅减少了噪声的影响,而且使Snake曲线较好地收敛于目标轮廓边缘,对于肝癌CT图像该方法取得了感兴趣目标的良好分割效果.     

Snake模型在乳腺肿瘤超声图像处理中的运用

目的对乳腺超声图像中的肿瘤进行边缘提取。方法鉴于医学超声图像的信噪比较低,用经典的边缘提取算法无法得到较好的结果,因此,Snake模型作为一种基于高层信息的有效目标轮廓提取算法而引起广泛的关注。在原始的Snake模型的基础上,本文针对超声图像的特点对它进行了一些改进。结果从上海第六人民医院采集到乳腺超声图像15幅。在进行了灰度分割、形态滤波等一系列预处理后,将改进后的Snake模型运用到边缘提取中来,并在这15幅图像中得到了比较好的分割结果。结论改进后的Snake模型可以将乳腺超声图像中肿瘤的边缘较好地提取出来,为乳腺肿瘤计算机辅助诊断提供了重要依据。     

一种使用膨胀气球模型的Snakes多目标分割方法

目的为实现一种有效的基于Snakes的多目标医学图像分割算法。方法通过模拟气球在含多个物体的封闭空间内的膨胀,来实现Snake曲线的拓扑形变。算法使用一个燃烧区域滞后跟踪Snake曲线运动来给出其演化停止条件,然后忽略停止条件并继续演化Snake曲线,就能完成燃烧而得到一个连通区域。提取出已燃烧区域的轮廓可给出与各分割目标对应的子Snake。结果所提出的算法能够正确分割出医学图像中多目标对象的轮廓。结论此基于模型的分割算法原理明确且易于实现,具有较好的实用性。     

MR脑肿瘤图像分割与矩特征研究

目的 对MR脑肿瘤图像进行分割,并对分割的结果进行矩描述.方法 在分析当前常用的医学图像分割方法的基础上,提出一种基于形变模型的医学图像分割方法,并给出了相应的理论算法模型和实现步骤,最后用Visual C 6.0编程,并对MR脑肿瘤图像进行分割实验.结果 本文分割方法分割边界清晰,总体不确定性较小.结论 本文分割方法切实可行,分割效果较好,为进一步的MR脑肿瘤图像分析和研究提供了一种有效工具.     

一种数字人脑部切片图像分割新方法

目的 提出一种人脑切片图像自动分割算法,以克服现有的方法对大量人工参与的依赖.方法 针对人脑切片图像的特征,提出一种基于区域生长的灰度直方图阈值化分割算法.首先通过区域生长过程对图像进行初始的粗分割,再用直方图阈值化方法进行二次细分割提取目标区域.结果 采用此方法准确有效地分割出了大脑白质和大脑皮质.结论 此算法结合切片图像的全局信息和局部信息应用于分割,是一种比较好的分割方法.     

超声图像分割研究现状

目前,医学图像作为临床检测以及放疗引导的重要参考依据,在医学的发展中起着关键作用。医学图像主要包括计算机断层扫描（CT）、核磁共振（MRI）、X射线、超声（US）等,超声相对前三者价格较低,对软组织成像效果较好且对人体基本无伤害,在现阶段应用已越来越广泛。超声图像分割对后期图像分析有很大的作用,可以给临床诊断及放疗摆位等提供一定的参考,本文就超声图像的分割的传统方法、基于形变模型的分割方法和结合深度学习方法的研究情况进行阐述。     

基于多重分形的医学图像分割方法

背景:由于人体解剖结构的复杂性、组织器官形状的不规则性及不同个体间的差异性,所以比较适合用多重分形来分析.目的:采用多重分形理论对医学图像进行图像分割.方法:采用基于容量测度的多重分形谱计算及基于概率测度的多重分形谱计算方法对图像进行分割.对于待处理图片分别进行传统的区域生长分割,max容量测度图像分割,sum容量测度图像分割,概率测度图像分割等4种分割,并加入噪声后再进行同样的分割处理作为比较.结果与结论:采用的两种基于多重分形谱的计算法中,基于容量测量的多重分形谱计算方法的关键是定义合适的测度μα;基于概率测度的多重分形谱计算方法的关键是定义合适的归一化概率Pi,不同的测度(概率)和不同的阈值对结果的影像比较大.基于概率测度的方法对噪声比较敏感,但是在滤过噪声时对图像象素大小变化比较大、比较复杂的图像有较好的分割效果.实验表明基于多重分形谱的医学图像分割方法在选择合适的测度(概率)和阈值时是可行的,特别是在较为复杂的图像处理中对于纹理和边缘的区别上有较大的优势,在准确地分割的同时能保留更多的细节,具有重要的实际意义.同时,多重分形也可以作为一种图像的特征,为特征提取多提供一种有力的数据.     

彩色血液细胞图像的分割

本文系统回顾了对彩色血液细胞图像进行分割的彩色空间和传统方法(包括阈值法、边缘检测法和流域分割法)，也介绍了若干新的方法，如基于形变模型的边缘检测法、基于小波变换的流域算法和基于数学形态学的颗粒分析法。指出了要更加准确的对细胞图像进行分割，需要采用统计模式法和神经网络法技术等方法。     

基于配准与ASM方法的医学图像分割

目的随着医学图像数据的急剧增长,建立从医学图像中自动分割特定解剖结构的算法。方法首先,获取的脑图像体数据集通过与参考体数据集的配准,使对应层图像包含与参考数据相似的解剖结构;然后利用训练得到的统计形状模型自动定位、分割指定的解剖结构。结果实验表明这种算法能取得良好的分割结果。结论本文提出的基于互信息的图像配准和统计形状模型的分割算法,能够实现从体数据中自动定位解剖结构所在的图像位置并分割出目标结构。     

颈动脉MR图像分割和三维重建在斑块定位中的应用

背景:医学图像的三维重建在医疗诊断、实验分析中起着越来越重要的作用,它是一项复杂的任务,其中目标图像的分割是首要且重要的一步。目的:探索对颈动脉MR图像的图像分割及三维重建方法,并探讨三维模型在颈动脉斑块定位中的应用。方法:选择3DTOF序列图像对其进行基于最大熵原理的阈值分割,并与普通方法的结果做比较;进一步用数学形态学分割方法提取出颈动脉;进行三维重建,利用三维模型进行斑块的初步定位。结果与结论:基于最大熵原理的阈值分割适于对颈动脉3DTOF序列图像的分割,用数学形态学分割方法进行后续分割可得到目标图像。三维重建后的模型对于斑块定位有辅助作用。