基于加权水平集演变算法的医学图像分割研究

目的本研究提出一种基于局部边缘特征的加权水平集演变算法,并应用于医学图像分割。方法首先,计算演变轮廓内外邻域的图像局部边缘特征;接着,计算演变轮廓邻近轮廓的平均边缘强度和图像梯度向量流场,构造加权函数项;然后,由此构建新的水平集算法能量函数的长度项和区域项,借助偏微分方程求得最小值获得图像目标理想边界。实验图像选用人工合成图像和临床实例图像,不同水平集算法分割性能采用Dice相似性系数。结果视觉分析显示,基于本研究算法获得的图像目标轮廓与真实图像目标区域边界吻合度最高。定量分析显示,基于本研究算法所得分割图像能获得更高的Dice相似性系数。此外,迭代次数较少时,本研究算法即可获得最佳目标轮廓,且增加迭代次数,本研究算法Dice相似性系数变化微弱不溢出。最后,初始轮廓位置不同,其他三种算法所得Dice相似性系数变化较大且低于本研究算法。结论本研究算法较其他水平集算法收敛速度快,对初始轮廓位置敏感度低,稳定性强,是一种可行的医学图像分割算法。     

基于局部灰度差异的快速自适应活动轮廓模型分割腮腺导管

目的研究一种基于局部灰度差异的快速自适应活动轮廓模型腮腺导管图像分割算法。方法本研究在LBF模型的基础 上,加入了轮廓内外局部灰度的均值差异作为驱动演化曲线的能量项,并且将局部灰度方差差异代替λ1 、λ2 作为能量参数值的 控制项,同时还引入两种不同邻域大小的局部相似因子,来克服图像灰度不均匀和边界模糊的影响以提高分割效率。结果该 算法在分割图像时,能够根据内外局部灰度均值差异和方差差异自适应地调节演化方向、速度以及内外部区域能量所占权重, 在面对复杂梯度边界区域时亦能够检测出真实边界,使演化曲线快速精确地逼近目标边界。结论实验结果表明,本文算法明 显优于现有的几种分割算法,能够实现快速精确地分割腮腺导管图像并且保留图像细节。     

基于狄利克雷分布和参数分析的高斯混合模型图像分割算法

传统的高斯混合模型对于含有噪声的图像不能进行有效的分割。针对有噪声图像的分割问题,提出了一种基于狄利克雷分布和参数分析的高斯混合模型图像分割算法。首先采用高斯函数对像素计算先验概率值,然后采用狄利克雷分布和定律关联像素间的邻域信息,并利用梯度下降法优化参数。实验结果表明,本文算法对无噪声和有噪声图像的分割结果比传统方法更有效,误分率更低。     

基于知识的纤维支气管镜刷检细胞图片边缘检测算法的研究

目的 针对纤维支气管镜刷检细胞图片这一特定识别对象,研究一种适合于该类图像的边缘检测算法.方法 为取得较好的识别结果,首先针对特定识别对象特点,做红化、二值化和去噪等预处理,接着通过常规算子初筛边界点,计算其边界方向,并利用这一知识对初筛边界点重新划分邻域计算梯度幅值,根据阈值去除伪边界点和冗余边界点.结果 经Matlab仿真实验验证:与传统边缘检测方法相比,该算法忽略了图像内部的假边缘,检测出的图像边缘定位准确、连续、光滑、边缘细节丰富、没有假边缘、边界呈单像素宽.同时,算法具有很好的抗噪能力.结论 本研究的算法是适合纤维支气管镜刷检细胞图片的边缘检测算法,为基于该类图片的肺癌细胞辅助识别算法的研究提供了一定的理论基础.     

数字化可视人体图像的目标提取

目的 探讨数字化可视人体图像的目标提取.方法 利用归一化阈值分割排除大部分背景,再结合边缘跟踪对目标边界附近保留的边缘特征进行识别、连接、去噪,构建一种准确、有效的目标提取算法.结果 基于边缘和阈值混合的分割技术有效地去除了数字化人体图像的背景.结论 通过与其他几种分割算法的比较,本计算法实际使用效果较好.     

基于粗糙熵和K-均值聚类算法的图像分割

针对基于粗糙熵的图像分割算法不能满足复杂图像的多类目标提取的需要,本文先利用K-均值聚类算法对图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。通过对遥感图像进行分割处理,证明了改进后算法的有效性。     

基于动态规划的实时立体匹配算法

立体匹配通过计算和标识匹配图像的视差图来获得图像的深度信息,一般计算量大,无法满足实时性要求。本文聚焦立体匹配的匹配代价聚集和视差计算环节,在动态规划方法的基础上,提出了一种实时的立体匹配算法。根据连续性约束,提出了基于自适应形状窗口的快速匹配代价聚集算法,加速了臂长和匹配代价聚集的计算效率;利用边缘检测技术获得图像边界信息,修改动态规划的转移方程,使得边界像素可以在整个视差空间中选择视差值,降低边界处匹配视差的误匹配率。实验结果表明：通过结合上述两个步骤的改进算法,可以获得满足实时性要求、高质量的匹配视差图,整体的匹配准确率较高。     

各向异性PDE改进分水岭脑MRI图像分割算法

详细论述了各向异性扩散的PDE(偏微分方程)降噪算法原理,提出一种各向异性扩散的PDE降噪和分水岭算法相结合的脑MRI医学图像分割算法。采用各向异性扩散的PDE降低原始图像噪声,然后利用形态学算法对降噪后的图像进行形态学处理,通过形态学知识提取图像边界。利用图像的几何特征,去除非目标区域,再采用分水岭变换进行图像分割,并通过脑MRI图像验证了此方法的优势。实验结果进一步验证了其可行性。     

粗糙集理论在超声心动图噪声抑制中的应用

本文将粗糙集理论和旋转邻域技术应用于超声心动图噪声抑制,并用定量手段做了评价.实验证明本文所述方法在保留图像边缘信息的情况下有效地抑制了噪声,提高了图像的质量,使得边缘定位更准确,有利于提高医生临床诊断的效率,并能为超声心动图的自动边缘提取、自动面积计算以及自动诊断打下良好的基础.     

利用Gibbs距离图Snake模型分割医学图像

目的 提出利用Gibbs距离图Snake模型分割医学图像的算法.该方法能克服医学图像周有的噪声和伪边缘干扰,收敛到正确的目标轮廓.方法 首先推导Gibbs形态学梯度,然后提出基于Gibbs形态学梯度的距离图Snake模型的医学图像分割方法.结果 本文所提出的算法克服了传统距离图Snake模型的上述缺点.结论 本文所提出的方法分割结果鲁棒性好,分割过程无须人工干预,适合应用于临床医学图像分割.     

运动配准先验图像的4D-CBCT优质重建

四维锥束CT（4D-CBCT）成像可以为图像引导放射治疗提供精确的实时呼吸运动定位信息,如何提高4D-CBCT重建图像 的精确度是目前研究的热点,压缩感知方法（PICCS）算法在基于压缩感知（CS）理论的所有4D-CBCT重建算法中表现上佳,本 文提出的改进先验图像的PICCS算法在传统PICCS算法基础上针对先验图像进行改进,按照每一个相位的位置信息构建其对 应的先验图像,消除了投影数据不匹配所导致的重建图像运动模糊的现象,实验结果展示了文章方法相比传统的PICCS重建结 果组织边界更加清晰,运动伪影减少,图像分辨率提高。     

Liver Isolation in Abdominal MRI

This work presents a method for liver isolation in magnetic resonance imaging (MRI) abdomen images. It is based on a priori statistical information about the shape of the liver obtained from a training set using the segmentation approach. Morphological watershed algorithm is used as a key technique as it is a simple and intuitive method, producing a complete division of the image in separated regions even if the contrast is poor, and it is fast, with possibility for parallel implementation. To overcome the over-segmentation problem of the watershed process, image preprocessing and post-processing are applied. Morphological smoothing, Gaussian smoothing, intensity thresholding, gradient computation and gradient thresholding are proposed for preprocessing with morphological and graph based region adjacent list constructed for region merging. A new integrated region similarity function is also defined for region merging control. The proposed method produces good isolation of liver in axial MRI images of the abdomen, as is shown in this paper.     

Improved Fuzzy Clustering Algorithms in Segmentation of DC-enhanced breast MRI

Segmentation of medical images is a difficult and challenging problem due to poor image contrast and artifacts that result in missing or diffuse organ/tissue boundaries. Many researchers have applied various techniques however fuzzy c-means (FCM) based algorithms is more effective compared to other methods. The objective of this work is to develop some robust fuzzy clustering segmentation systems for effective segmentation of DCE - breast MRI. This paper obtains the robust fuzzy clustering algorithms by incorporating kernel methods, penalty terms, tolerance of the neighborhood attraction, additional entropy term and fuzzy parameters. The initial centers are obtained using initialization algorithm to reduce the computation complexity and running time of proposed algorithms. Experimental works on breast images show that the proposed algorithms are effective to improve the similarity measurement, to handle large amount of noise, to have better results in dealing the data corrupted by noise, and other artifacts. The clustering results of proposed methods are validated using Silhouette Method.     

基于字典的概率松弛法对焊缝图像中裂纹缺陷的提取

提出了一种在焊缝图像中提取裂纹缺陷的方法。该算法首先对含有裂纹缺陷的图像采用基于偏移量的Laplacian算子进行检测处理，对处理后的图像建立有12个基本容许结构的字典模型，应用字典法提供有效的搜索方法，通过迭代，从邻近目标中提取越来越多的上下文信息处理，有效去除噪声，提取裂纹缺陷。实验结果表明：该算法对纵向裂纹能获得较好的连接性及较清晰的轮廓，且有较好的抗噪性，是一种有效的弱显示裂纹检测方法。     

Retinal Blood Vessel Segmentation with Neural Network by Using Gray-Level Co-Occurrence Matrix-Based Features

This paper focuses on the issue of extracting retina vessels with supervised approach. Since the green channel in the retina image has the best contrast between vessel and non-vessel, this channel is used to separate vessels. In our approach we are proposing a technique of using gray-level co-occurrence matrix method for composition of the retinal images. It is based on fact that the co-occurrence matrix of retina image describes the transition of intensities between neighbour pixels, indicating spatial structural information of retina image. So, we first extract the features vector based on specified characteristics of the gray-level co-occurrence matrix and then we use these features vector to train a neural network approach for the classification method which makes our proposed approach more effective. Obtained results from the experiments in DRIVE and STARE database shows the advantage of the proposed method in contrast to current methods. This advantage is evaluated by the criteria of sensitivity, specificity, area under ROC and accuracy. The result of such a conversion as the input vector of a multilayer perceptron neural network will be trained and tested. Although in recent years different methods have been presented in this respect, but results of simulation shows that the proposed algorithm has a very high efficiency than the other researches.     

基于形态学滤波的寄生虫卵图像混合分割算法

寄生虫卵的自动识别是当今寄生虫医学图像处理的一个重要课题,目前已有算法一般都要求寄生虫标本杂质含量较少。提出一种基于形态学滤波的混合分割算法,首先采用B颜色信号提取有用信息,接着利用改进的形态学操作进行滤波,除去大量杂质及虫卵边缘粘合物,最后结合凸包运算并定义两个图像特征参数,即边界光滑度和区域填充度,做进一步选择。实验结果表明,该算法明显优于当前的一些虫卵分割算法,能充分利用虫卵的有用信息,有效剔除杂质,大大降低虚假目标。虫卵边界保留完整清晰,为寄生虫卵的自动识别打下了良好基础。     

基于改进Demons算法的非刚性配准及其在肿瘤放疗中的应用

目的提出一种改进的Demons非刚性配准算法,验证算法的有效性,并将其应用于图像引导放射治疗(image-guidedradiotherapy,IGRT)中治疗图像和计划图像的配准。方法基于Brox等提出的梯度恒定假设和Malis的高效二阶最小化算法的思想,将图像灰度梯度场的相似性加入原始的能量函数中,推导出更新变形场的公式。利用有限内存的BFGS算法优化能量函数,自动确定迭代次数。分别利用模拟形变图像、变形体模图像和肝癌病人的临床CT图像验证改进算法的配准精度。结果改进的Demons变形配准算法与原始的"Additive Demons"算法相比,配准精度更高,收敛速度更快。结论在放射治疗的不同分次扫描过程中,因实际扫描条件的影响,两幅待配准图像像素灰度值范围不同的情况下,改进的Demons算法能够更好地实现快速精确的配准。