医学超声图像分割技术

图像分割在医学超声图像的定量、定性分析中均扮演着重要的角色,它直接影响到后续的分析、处理工作.但因其本身所具有的复杂性,医学超声图像的分割实际上是一件非常困难的事情,至今仍是一个悬而未决的世界性难题.因此我们更为详细的了解医学超声图像的一些分割技术,才能对这些方法加以运用,使得这些技术相辅相成,在实际应用中才能根据需要结合起来,形成更好的分割效果.     

基于对称区域生长算法的超声医学图像分割方法

提出了一种基于对称区域生长算法的超声医学图像的分割方法。该方法分为三步。首先,通过采用自适应加权中值滤波抑制超声医学图像本身固有的Speckle噪声,然后从图像的第一行开始扫描整个图像,并应用生长准则进行区域的生长与合并,生长完成之后应用种子准则标定感兴趣区域,从而得到最后的分割结果。通过图像的分割实验确定了一套对于超声医学图像适用的生长和合并准则。对心脏B型超声医学图像分割的实验结果显示,该方法具有良好的性能。     

医学图像分割技术研究

医学图像分割技术是医学图像处理和分析中的关键技术.医学图像分割在医学诊断中扮演着重要角色,是图像分割的一个重要应用领域.本文综述和讨论了近年来的医学图像发展概况、分割技术、研究热点及其医学图像分割的评价等问题,并简要讨论了每类分割方法的特点及医学图像分割发展趋势.     

医学图像分割技术

图像分割是制约医学图像在临床上广泛应用的关键性问题。医学图像分割则是图像分割的一个重要应用领域。本文讨论了医学图像分割的目的和意义，简述了医学图像分割技术的进展，对近年来医学图像分割技术进行了综述。     

医学图像处理中有关图像分割的新技术

图像分割是图像处理中最基本和最主要的技术.本文简要介绍了医学图像分割的常用分割方法,主要包括阈值分割、神经网络分割、模糊分割、遗传算法、统计方法和基于特定模型等方法的图像分割.并对其近年来的进展和应用进行了综述.     

医学超声图像分析的研究进展

超声成像是四大医学影像技术之一，由于其特有的实时性、无损性、廉价性被广泛应用于医疗和诊断，因此，有必要对医学超声图像的计算机分析进行研究。从图像分割、图像配准及组织定征和生物测量三个医学超声图像分析的主要方面对国内外近年来的主要研究情况进行综述和评价，并在此基础上探讨其发展前景。     

医学超声图像分析的研究进展

超声成像是四大医学影像技术之一,由于其特有的实时性、无损性、廉价性被广泛应用于医疗和诊断,因此,有必要对医学超声图像的计算机分析进行研究。从图像分割、图像配准及组织定征和生物测量三个医学超声图像分析的主要方面对国内外近年来的主要研究情况进行综述和评价,并在此基础上探讨其发展前景。     

医学超声图像分割的一种新方法

有效地实现超声图像的分割依然是临床疾病诊断亟待解决的一个难题。本研究将图像树型框架小波变换、尺度共生矩阵、KL变换主分量分析和自组织神经网络聚类相结合应用于医学超声图像，提出一种分割新方法。实验表明，对于不同的医学超声图像，应用本研究方法均可得到比较清晰的分割结果，且显著地提高了分割图像的对比度，这对于固有对比度较低的医学超声图像来说不啻一种很有效的图像分割新方法，为临床诊断提供新的借鉴。     

图像分割与医学工程大学生创新能力培养

创新型国家离不开创新型人才,学生创新能力的培养是时代赋予高校的历史使命。医学工程学生由于其与医学尤其是影像医学的紧密关系,不仅要求学生具有一定的医学知识．更要具有利用理工科知识分析并解决医学问题的能力。本文从图像分割这一具体科研领域着手,首先阐述了图像分割的概念与基本算法,接着介绍了图像分割在医学工程中的重要作用．最后结合肝脏CT图像分割与视网膜血管图像分割这两个实际课题,以及在科研过程中学生所遇到的一些与图像分割相关的问题和我们在学生培养过程中的引导方法,由浅入深地重点阐述了图像分割在医学工程学生创新能力培养中的重要作用,并针对学生在具体实践过程中对最终分割结果的质量评价不够重视的现象,强调了全方位、多领域培养学生创新能力的必要性。     

基于射线距离误差的三维医学图像分割的新型评价方法

三维医学图像的分割是计算机辅助诊断与治疗中至关重要的技术。由于现有的三维医学图像分割算法种类繁多且性能各异,对各种分割算法性能公正直观的评价显得尤为重要。我们在对现有常用评价方法做出综合的比较后,提出了一种基于局域距离误差的综合、直观的三维图像分割的新型评价方法,并详细描述了该评价方法中局域误差和全局精确度的评价法。最后,利用这种新型的评价方法对三种常用的分割算法(Fast Marching,Morpholo-gical Reconstruction and Watershed)及一种笔者提出的新型Hybrid算法进行评价,此新型分割算法也在文中作了简要介绍。通过实验,可以验证新的评价方法能够更加科学、直观地对各种三维医学图像分割算法进行评价。