基于边缘流的改进梯度矢量流算法及其在淋巴结超声图像分割中的应用

目的 提出一种基于边缘流的梯度矢量流（gradient vector flow，GVF）形变模型的图像分割方法，并用于淋巴结超声图像的分割。方法 综合图像灰度和纹理特征构造边缘流，使每点的边缘流矢量指向最近的边缘，再由边缘流扩散得到GVF场作为形变模型的外部势力，引导模型形变实现图像分割。结果 在给定4个标记点的条件下，实现了对淋巴结超声图像的半自动分割。结论 将边缘流引入GVF将明显改善对低对比度超声图像的分割效果。     

基于解剖知识模型的医学图像分割方法研究

目的提高图像分割技术的自动化程度和可靠性。方法提出了一个基于知识模型的医学CT图像的分害方法,系统由解剖知识模型、图像处理程序和推理机组成。模块之间的通讯由黑板控制。结果通过在胸部CT图像处理中的应用,该方法减少了人工干预,得到较满意的分割结果一结论该方法提高了医学图像分割的自动化程度和可靠性。由于具有扩展性,该方法为基于知识医学图像的处理提供一个通用的模式。     

基于新过渡区提取法的医学图像交互式分割

目的：为了提高医学图像三维重组过程中二维图像交互分割的效率,我们试验了一种新过渡区提取方法,并验证了其分割效率和分割效果。方法：新过渡区提取法先依据原始图像,分散构造过渡片段,后将过渡片段按一定规则连接成过渡区,在过渡区的基础上实现交互分割。以512×512的CT图像序列为样本进行实验,结果与基于边缘提取的交互分割法及完全手工分割法比较。结果：基于新过渡区提取的交互分割法对目标区域的分割精确度高于边缘提取分割法,更接近完全手工分割,而人工操作时间较基于边缘提取的分割法及完全手工分割法分别节省39%和62%。结论：新过渡区提取法保留了过渡区分割法抗干扰能力强、对弱边界提取效果好的优点。应用于交互分割,能够减少人工劳动,提高分割效率,同时分割精确度高于边缘提取法,重组后能更准确反映目标特征。     

尿沉渣检测中的一种自动图像分割算法

目的 研究一种自动图像分割算法在尿沉渣检测中的应用.方法 将水平集结合Mumford-Shah模型的算法应用于尿沉渣检测,改进章毓晋的图像分割评价指标,并结合计算时间对分割算法进行定量实验评价.结果 实验结果表明,与区域生长、分水岭、期望值最大法以及窄带水平集等已有方法比较,本文方法对尿沉渣图像的分割没有过分分割现象,在噪声干扰的情况下具有较高的分割精度,而且耗时少,仅需5.42 s.结论 评价结果表明本文的算法能够自动分割尿沉渣图像中的细胞,并具有分割精度高,速度快,对噪声鲁棒性强的特点.     

基于人工交互分水岭区域合并的医学图像分割研究

目的:解决分水岭算法存在的过分割[1]问题,对分水岭算法的合并方法进行改进.材料与方法:主要思想是在前两次合并的基础上进行第三次局部合并,用人机交互[2]的方式留下感兴趣的部分,其余部分继续合并.结果:这种改进的方法使过分割问题得到了很好的解决,而且医学图像中的病变小区被保留下来.结论:此人工交互的方法效果优于传统的分水岭方法.     

基于灰度阈值分割和动态规划的超声图像乳腺肿瘤边缘提取

目的 寻求提高超声图像乳腺肿瘤边缘提取效果的最优方法。方法 先根据超声图像的灰度分布采用灰度闽值分割定位法提取乳腺肿瘤的初始边缘，然后根据图像灰度的梯度信息采用动态规划法进行边缘的修正，从而准确提取超声图像乳腺肿瘤的边缘。结果 对18例超声图像进行乳腺肿瘤的边缘提取，结果显示本文方法相比单一的灰度阈值分割法或单一的动态规划法能更为准确地提取超声图像乳腺肿瘤的边缘。结论 本文方法可以有效地用于超声图像乳腺肿瘤的边缘提取。     

基于Snake模型的海马结构MR图像分割方法的应用研究

目的：介绍一种海马结构的磁共振图像分割方法Snake模型,并利用该模型对海马结构的磁共振图像进行分割研究。材料和方法：首先在MR图像工作站上采集图像,并进行图像预处理;然后编程,利用Snake模型进行海马结构的边缘检测,从磁共振图像中分割出海马结构。结果：除通过人机交互,由操作者给出初始轮廓外,Snake模型能从磁共振图像中自动分割出海马结构。Snake分割与人工分割总的重叠率是84％,标准差SD＝8．30。结论：Snake模型是一种快速、有效的海马结构分割方法,具有很强的鲁棒性和稳定性。     

医学图像微机处理的应用体会

医学图像微机处理的应用体会钟国康陈星荣沈天真蒋翔随着计算机术的发展，原先由医学摄影专业人员完成的图像处理部分已逐步核计算机替代。与传统的医学图像处理方法比较，应用微机对医学图像进行处理具有编辑方便、直观，色彩、对比、灰度可调，图像还原度好等优点。现将...     

应用Snake模型进行海马结构MR图像分割的研究

目的应用Snake模型对海马结构MR图像进行分割研究。方法在MR图像工作站上采集垂直于海马结构长轴的颅脑T1加权像,并进行图像预处理。研究设计Snake模型的快速Greedy算法程序,在计算机上用自编程序对含整个海马结构的多幅MR图像进行分割。Snake模型分割方法与人工分割方法进行比较。结果除由操作者给出初始轮廓外,Snake模型能从多幅MR图像中自动分割出海马结构。Snake模型分割与人工分割总的重叠率是84%,标准差s=8.03。结论Snake模型是一种快速、有效的海马结构MR图像分割方法,具有重要的临床应用价值。     

MR脑图像分割技术

磁共振成像技术的优秀的软组织对比度和无创伤性的特点决定了它在未来的医学和认知神经科学等研究领域中具有广阔的发展前景。无论是用于指导临床医学 ,还是用于认知神经科学的脑功能定位 ,首先就是要从图像中分割出医师和研究人员感兴趣的目标。本文主要介绍MR脑图像分割技术的原理及其应用。1　MR图像分割的复杂因素MR图像分割是理解和进一步处理MR图像的重要环节 ,很多研究人员都致力于探索和开发用于分割MR图像的算法[1,2 ] 。普通的计算机图像分割算法可基本分为基于像素的和基于区域的 ,但是在分析MR图像数据中需要考虑更多复杂…     

锥形束CT图像分割方法研究进展

图像引导放射治疗(IGRT)是一种可视化的影像引导放疗技术,具有提高肿瘤靶区剂量,降低正常器官受照剂量等诸多优点。锥形束CT(CBCT)是IGRT中最常用的医学图像之一,对CBCT进行快速、准确的靶区及危及器官的分割对放疗具有重大意义。目前的研究方法主要有基于配准的分割方法和基于深度学习的分割方法。本研究针对CBCT图像分割方法、存在问题及发展方向进行综述。     

模糊聚类技术分割颅脑肿瘤MR图像的应用研究

目的：分析自编的模糊C均值（fuzzy cmeans,FCM）算法图像处理程序对颅脑肿瘤MRI图像的分割效果。方法：采集50幅不同脑肿瘤MRI平扫系列图像,用FCM程序对病灶自动分割,同时请影像学专家对相应病灶面积进行手工绘制,用重合率和误分割率两个指标进行比较分析两者的分割效果。结果：FCM程序分割病灶的重合率为91.2%,误分割率为10.8%。二者面积的差值无显著性差异（P〉0.05）。结论：FCM程序可以无监督地自动分割脑肿瘤MRI图像,有较强的临床应用价值。     

基于深度学习在CT图像上分割肾上腺的研究

目的:探索使用3D U-Net模型在CT图像上自动分割肾上腺并完成自动测量的可行性,并尝试使用模型输出值初探多期增强CT检查中正常肾上腺的强化特点及肾上腺体积随年龄段的体积变化规律。方法:第一步,训练肾上腺自动分割模型。回顾性收集2016年1月1日-2019年3月14日本中心腹盆部CT检查且结果未见异常的图像,共纳入520个薄层序列(434个检查)作为模型训练数据集。分别标注双侧肾上腺后随机分为训练集(左侧N=419,右侧N=413)、调优集(左侧N=53,右侧N=55)、测试集(左侧N=48,右侧N=52)训练3D U-Net分割模型,模型客观评价指标为测试集的Dice系数。第二步,验证肾上腺分割模型用于自动测量的可行性。回顾性收集2019年3月15日-2019年4月30日本中心住院成人患者腹盆部CT检查且结果未提示肾上腺病变的图像,共纳入988个薄层序列(523个检查)作为外部验证数据集。使用第一步建立的模型对双侧肾上腺进行分割并检查结果,对自动分割满意的图像统计其肾上腺的体积、三维径线、平均CT值,分析增强规律,并在门静脉期图像中按每15岁年龄段统计肾上腺体积随年龄变化的关系。结...     

基于水平集方法的图像分割

目的:提取T1加权MR脑图像中的侧脑室。方法:首先用高斯滤波对原始图像进行平滑,然后利用改进的FastMarching方法对脑图像进行分割。根据T1加权MR脑图像的成像特点并结合区域信息重新定义了Fast Marching方法的速度函数,该速度函数具有良好的抗泄漏能力。结果:对一系列T1加权MR脑图像进行了分割实验,成功提取出了侧脑室。结论:改善了传统Fast Marching方法在弱边界处易泄漏的缺陷,具有更好的分割效果。     

图像后处理技术在CR摄影中的应用

CR摄影同传统摄影的重大区别在于增加了图像的后处理功能。通过CR图像的后处理,修补了摄影中的不足,提高了图像质量,从而大大提高了病变的诊断符合率。CR图像的后处理是CR摄影优势的集中体现。材料与方法以AGFA公司CR系统为例对如何应用图像后处理技术加以介绍。1.多级图像对比     

基于深度学习在CT图像上分割胆囊的研究

【摘要】目的:基于深度学习方法训练模型,研究其用于腹部CT图像上分割胆囊并自动测量的可行性。方法:从本院PACS系统搜集2016年1月12日至2021年5月28日行腹部CT检查的患者,从中选取1154位患者的1181次CT检查图像,共得到2559个图像序列用于训练模型。由2位影像科医师标注胆囊,将全部数据按8：1：1的比例随机分为训练集（n＝2043）、调优集（n=245）和测试集（n=271）,训练3D U-net模型分割胆囊并自动测量。另搜集2022年9月10-19日的腹部CT扫描图像,随机选取共141位患者的141次检查的270个图像序列作为外部验证数据集。以外部验证集的预测结果评价模型的效能。使用Dice相似系数（DSC）、体积相似度（VS）和Hausdorff距离（HD）定量评价模型分割胆囊区域的效能。使用Bland-Altman分析评价模型自动测量的胆囊体积、径线、平均CT值与医师标注测量值的一致性。结果:外部验证集的DSC、VS、HD分别为0.980(0.970,0.980）、0.990（0.990,1.000)、1.69 (1.27,2.45)mm,各数据集之间DSC、VS和HD的差异均有统计学意义（P均<0.001）。外部验证集中模型预测和医师标注测量的胆囊体积、CT值、三维径线的95%一致性界限（LoA）的可信区间分别为（-2.07,3.36）、（-1.55,1.15）、（-1.28,1.47）、（-3.34,4.07）和（-1.11,2.15）,分别有2.6%、3.7%、3.7%、1.1%和3.7%的点落在95%LoA以外。结论:基于深度学习模型可在腹部CT图像上自动分割胆囊区域,是将来进一步胆囊病变智能诊断的基础。     

ASG-340医学图像工作站及其在影像诊断中的应用

本文结合医学影像诊断中面临的各种数据管理和应用方面的问题，介绍了ＡＳＧ－３４０医学图像工作站的特点、经济效益，与ＰＡＣＳ的关系和今后的发展。     

基于优化U-Net神经网络模型在乳腺肿瘤超声图像分割中的应用

目的 使用优化U-Net神经网络模型,探讨乳腺肿瘤超声图像分割中的效果。方法 选取乳腺肿瘤患者的超声图像216张,采用Modifi-U-Net网络模型、U-Net模型进行图像自动分割,对比两种模型的分割效果。结果 ModifiU-Net网络模型乳腺肿瘤超声图像分割的Pre为84.4%、Rec为85.3%、IoU为73.7%、F1为84.9%。各项指标与U-Net模型相比均有明显提高,分割更接近肿瘤实际区域。结论 使用优化后的U-Net神经网络模型对乳腺肿瘤超声图像的分割更加精准,有望成为乳腺肿瘤自动分割系统而广泛应用于临床。     

医学图像融合技术及其应用研究概况

随着医学及计算机技术的发展 ,医学影像学为临床提供了Ｘ线、ＣＴ、ＭＲＩ、ＤＳＡ、ＰＥＴ、ＳＰＥＣＴ等多种模态影像信息。不同的医学影像可以提供人体相关脏器和组织的不同信息 ,如ＣＴ和ＭＲＩ以较高的空间分辨率提供了人体脏器和组织的解剖结构信息 ,而ＰＥＴ和ＳＰＥＣＴ虽然空间分辨率较差 ,却可提供它们的功能信息。由此可见不同成像技术对人体同一解剖结构所得到的形态和功能信息是互为差异、互为补充的 ,因此对不同影像信息进行适当的集成便成为临床医生诊断和治疗疾病的迫切需要。如果能将解剖结构图像与功能图像有机结合起来 ,…