基于改进区域生长算法的肝脏管道图像分割方法

在图像分割过程中,传统区域生长法种子点的选取需人工判定,工作量较大,效率较低。为了减少种子点选取时的用户交互量,本文提出了一种基于种子点位置预判的改进区域生长算法。该算法基于血管骨架线具有代表性的特点,通过坐标系的映射转换来预判图像中肝脏管道的位置,减少了人工参与,实现了图像种子点数目和位置的自动确定。肝脏图像分割实验结果表明,该算法在较少的用户交互情况下,实现了序列图像的种子点位置预判,获得了较满意的图像分割效果。     

不同计算机自动分割算法对不规则脑出血CT图像分割的对比研究

目的通过对比三种计算机自动分割算法对不规则脑出血区域分割的准确性,以得出自动识别不规则脑出血区域的最佳算法。方法选取20例不规则脑出血患者的计算机体层摄影(Computed Tomography,CT)头颅平扫图像作为研究对象,分别采用模糊聚类水平集算法(Fuzzy Clustering and Distance Regularized Level Set Evolution,FCRLS)、阈值法、区域生长法对同一图像进行病灶分割,并以人工勾画病灶区图像作为“金标准”,采用戴斯相似性系数(Dice Similarity Coefficient,DSC)、杰卡德指数(Jaccard Index)、相对体积差(Relative Volume Difference,RVD)比较不同算法对病灶分割的精确度和重合度。结果FCRLS、阈值法、区域生长法的Dice系数分别为(0.88±0.04)、(0.76±0.13)、(0.71±0.12);Jaccard系数分别为(0.80±0.07)、(0.63±0.17)、(0.56±0.14);RVD值分别为(0.12±0.13)、(0.42±0.50)、(0.79±0.52)。FCRLS的Dice、Jaccard系数大于灰度阈值法和区域生长法,差异具有统计学意义(P<0.001);FCRLS的RVD值小于灰度阈值法和区域生长法,差异具有统计学意义(P<0.001)。结论FCRLS、阈值法、区域生长法三种算法比较,FCRLS对于不规则脑出血病灶的自动提取的准确性、鲁棒性均最高,可用于临床辅助诊断和后续治疗。     

区域生长和U-Net结合的视网膜血管分割系统设计与实现

目的 在探索区域生长与U-Net相结合在视网膜血管分割系统中的应用,通过开发的系统自动分割视网膜血管,为医生提供视网膜血管结构变化的准确信息,提高诊断和治疗的效率。方法 结合U-Net网络和区域生长对预处理后的视网膜血管进行自动分割,并通过控件的设计将算法集成到视网膜血管分割系统中。结果 血管分割性能指标—准确率、敏感度、特异性的平均值分别为0.977 7、0.768 4和0.982 1,区域生长能够提高细微视网膜血管的分割准确率。结论 该系统具有界面简洁、操作方便的特点,实现了高精度、可视化的自动视网膜血管分割,为医师观察视网膜血管结构的变化提供了一种有效的计算机辅助诊断平台,也为医师判断病变性质提供了思考方向。     

基于深度学习的计算机体层摄影血管造影颈动脉斑块分割初步研究

目的采用深度学习方法自动分割头颈部CTA图像中的颈动脉斑块。方法通过结合阈值分割和区域生长算法的半自动血管分割,从CTA图像中分割出颈总动脉至颈内动脉颅外段及其周围感兴趣区域,在此基础上,采用三维(3D)-Unet网络模型进行颈动脉斑块的识别和分割,将41例患者的CTA图像用于训练,9例患者的CTA图像用于测试,计算斑块识别率评估实验结果。结果半自动血管分割方法从原始图像中分割出颈总动脉至颈内动脉颅外段,分割结果与高年资影像科医师识别结果一致。通过3D-Unet网络模型进一步对斑块进行检测和分割,取得较好的结果,经统计,斑块检出率达到82.76%(24/29),亦能识别体积相对较小的钙化斑块。结论血管分割和3D-Unet网络模型对颈动脉斑块的分割效果较好,为进一步的CTA颈动脉斑块分析和研究提供了一种有效工具。     

基于分水岭及区域增长算法建立一种测量自发性脑出血血肿体积的分割方法

  目的   基于分水岭及区域增长算法建立一种CT图像脑血肿分割方法,以快速准确测量血肿体积,探讨其与临床金标准手动分割结果的一致性,并与临床常用的两种多田公式计算进行比较。   方法   回顾性收集2018年1月–2019年6月由于自发性脑出血于四川大学华西医院神经外科就诊的患者术前152例CT图像,通过随机数字表将其随机分为训练集、测试集和验证集,分别为100例、22例、30例。算法训练及测试采用训练集与测试集的标记结果,验证集采用4种方式——人工手动分割、算法分割（基于分水岭及区域增长算法的分割计算）、多田公式（传统多田公式计算）与精准多田公式（基于3D-slicer的精准多田公式计算）——对出血病灶体积进行测量。将符合研究对象标准的医学数字成像和通信（Digital Imaging and Communications in Medicine, DICOM）资料通过两名高年资神经外科医生进行手动分割脑出血病灶。基于分水岭算法及区域增长算法搭建血肿分割模型以神经外科医生选取的种子点作为增长起点,采用区域灰度差异准则,结合手动分割验证,最终确定符合颅内血肿分割精度要求的区域生长阈值。以人工手动分割为金标准,采用Bland-Altman一致性分析验证其余3种测量血肿体积的方式的一致性。   结果   以人工手动分割为金标准,3种测量血肿体积的方式中,算法分割百分误差最小,差值范围最窄,组内相关系数最高（0.987）,一致性较好,且95%一致性界限（limits of agreement, LoA）最窄。其分割的百分误差在不同血肿体积比较中差异无统计学意义。   结论   基于分水岭及区域增长算法的自发性脑出血血肿分割方法的测量稳定,与临床金标准一致性好,具有一定临床意义,但仍需更多的临床样本予以验证。      

基于图像区域分割方法的舌质与舌苔识别

舌象的图像识别是舌象信息计算机诊断的主要内容之一。实现舌质、舌苔的区域识别是舌诊计算机识别过程中的重要步骤,也是后期舌体和舌苔颜色识别和纹理特征分析的重要前提。应用彩色图像区域分割方法,根据舌象颜色的区域特征,采用分裂一合并算法、色度阈值法对舌象进行了区域划分,建立舌质、舌苔的区域分割方法,实现舌质与舌苔的分割。实验结果显示,分裂一合并算法、色度阈值法具有良好的分割效果。     

基于小波变换和U-Net的眼底图像血管分割

眼底血管在许多疾病的检测和诊断中含有丰富的信息,因此提高眼底血管分割精度对于多种疾病的诊断和临床研究具有重要意义。本文提出了一种基于小波变换和U-Net神经网络的眼底图像血管分割算法,该算法通过数据增广与预处理、小波系数图像获取、U-Net神经网络训练与预测、阈值分割与后处理等步骤完成眼底血管的分割。采用分割准确率、特异度、灵敏度与AUC等指标,对本文算法进行了性能分析。实验结果显示,本文提出的眼底图像血管分割算法能得到满意的分割结果,在中医现代目诊中具有潜在的应用价值。     

头部CTA一键去骨算法研究

基于对目前去骨算法的研究发现,算法大多都存在各自的缺点,例如计算量大、效率较低,鲁棒性较差,有些算法则是受到操作者个人经验和偏见的影响较严重。因此,提出了一种头部CTA一键去骨算法,该算法完全是自动去骨,用户操作简便,具有较大的实用价值。此算法主要是基于阈值分割、阈值平滑、边缘检测、形态学运算、去噪等一系列图像处理基本算法进行改善,得到一键去骨算法。从实验结果表明,该算法去骨和血管提取准确率高、运行速度快、稳定性好,可以被临床应用。     

肝囊型包虫病超声图影像区域分割算法研究

目的 测试Ostu阈值分割、马尔可夫随机场分割和基于深度学习的Poly-YOLO网络模型分割3种方法在肝囊型包虫病超声图像影像区域的分割性能。方法 分别使用单尺度图像增强Ostu阈值分割、马尔可夫随机场分割和基于深度学习方法的Poly-YOLO分割网络对肝囊型包虫超声图像中的扇形影像区域进行分割,以去除图像中的干扰信息,并采用Dice相似系数(Dice Similarity Coefficient,DSC)、重叠度(Intersection of Union,IOU)、真阳性率(True Positive Rate,TPR)、豪斯多夫距离(Hausdorff Distance,HD)评价上述3种算法的分割效能。结果 Poly-YOLO算法对肝囊型包虫病超声图像具有较好的分割结果,在有效去除非影像区域信息的同时,DSC可达0.80,TPR为0.88,IOU为0.71,HD为2.11。结论 相较于基于SSR的Ostu阈值分割方法、马尔可夫随机场图像分割算法,基于深度学习的Poly-YOLO网络能较好地分割出肝囊型包虫病超声图像扇形影像区域,去除图像中的非影像信息,为后续病灶自动分类研究奠定...     

深度学习结合区域生长对MR图像胶质瘤的分割

目的 MR图像胶质瘤的精准分割是判定肿瘤范围和制定治疗方案的前提。为解决传统胶质瘤分割方法的过程中存在的复杂度高和精度低的问题,本文提出一种改进的U-Net网络与区域生长算法相结合的方法来分割MR图像胶质瘤。方法 从公开数据库中下载胶质瘤的MR图像和手动分割标签。在U-Net网络的各层和桥中的2个卷积层间加入残差模块来改进网络,然后对网络分割结果做适度的区域生长操作来描述肿瘤的边界。使用Dice相似系数（Dice Similarly Coefficient,DSC）和边界F1(Boundary F1,BF)轮廓匹配分数（BF Score）等指标来评价本文方法的分割性能。结果 在区域生长参数优化集中,区域生长的最大强度差异和种子点的灰度阈值为0.01和86时,分割结果达到最优。在包含了肿瘤所有层面的测试集中,DSC和BF Score分别达到了0.8332和0.7283。DSC得分相较于传统的FCN-8s和DeepLab v3+网络分别提高了7.43%和4.56%。结论 改进的U-Net网络结合区域生长操作能很好地描述胶质瘤的位置、范围和边界信息,可用于辅助医生对胶质瘤进行定量分析。     

基于U型全卷积神经网络的腹部动脉CT图像分割算法研究

目的 为了精确分割腹部动脉血管,提出一种基于深度学习的全自动腹部动脉CT图像分割算法.方法 采用区域不平衡块生成方法 提取CT血管横断面、冠状面和矢状面图像特征,接着采用U型全卷积神经网络对块特征进行训练与分割,最后采用最大体素保留法获得三维血管分割图像.选用120例患者腹部CT血管图像进行网络训练和分割实验,分割结果...     

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。     

基于区域增长的肺结节自适应形态分割

目的 提高计算机辅助诊断系统对胸部CT图像中肺结节,特别是与胸膜相连和与血管相连的肺结节分割的准确性.方法 首先提出了肺结节图像的自动分割过程.然后,应用基于对比度和梯度的区域增长方法 .获得肺结节的分割图像.最后,针对区域增长法不能成功分割的特殊情况,提出了自适应形态分割算法.结果 对临床2D肺部CT图像的初步实验结果 表明,应用本算法能够成功的将孤立性肺结节和与胸膜或血管相连的肺结节分割出来.结论 这是一种实用的肺结节自动分割算法.     

一种视网膜血管的分割方法

目的探讨一种自动的视网膜血管分割方法。方法在2个尺度下增强血管图像,由基于直方图的加权模糊C均值聚类算法和形态学细化算子提取血管的近似中心线;通过多尺度形态学重构得到主要血管,再由较小尺度的匹配滤波增强中小血管;合并上述两部分得到最终的血管分割结果。结果对DRIVE数据库测试图像分割的灵敏性为0.7017,特异性为0．9816,准确率为0．9457。结论较同类无监督的血管分割算法具有更高的准确率,但对于小血管的灵敏性不高。     

Ultrasound Color Doppler Image Segmentation and Feature Extraction in MCP and Wrist Region in Evaluation of Rheumatoid Arthritis

The present study focuses on automatically to segment the blood flow pattern of color Doppler ultrasound in hand region of rheumatoid arthritis patients and to correlate the extracted the statistical features and color Doppler parameters with standard parameters. Thirty patients with rheumatoid arthritis (RA) and their total of 300 joints of both the hands, i.e., 240 MCP and 60 wrists were examined in this study. Ultrasound color Doppler of both the hands of all the patients was obtained. Automated segmentation of color Doppler image was performed using color enhancement scaling based segmentation algorithm. The region of interest is fixed in the MCP joints and wrist of the hand. Features were extracted from the defined ROI of the segmented output image. The color fraction was measured using Mimics software. The standard parameters such as HAQ score, DAS 28 score, and ESR was obtained for all the patients. The color fraction tends to be increased in wrist and MCP3 joints which indicate the increased blood flow pattern and color Doppler activity as part of inflammation in hand joints of RA. The ESR correlated significantly with the feature extracted parameters such as mean, standard deviation and entropy in MCP3, MCP4 joint and the wrist region. The developed automated color image segmentation algorithm provides a quantitative analysis for diagnosis and assessment of RA. The correlation study between the color Doppler parameters with the standard parameters provides moral significance in quantitative analysis of RA in MCP3 joint and the wrist region     

Unsupervised Fuzzy Based Vessel Segmentation In Pathological Digital Fundus Images

Performing the segmentation of vasculature in the retinal images having pathology is a challenging problem. This paper presents a novel approach for automated segmentation of the vasculature in retinal images. The approach uses the intensity information from red and green channels of the same retinal image to correct non-uniform illumination in color fundus images. Matched filtering is utilized to enhance the contrast of blood vessels against the background. The enhanced blood vessels are then segmented by employing spatially weighted fuzzy c-means clustering based thresholding which can well maintain the spatial structure of the vascular tree segments. The proposed method’s performance is evaluated on publicly available DRIVE and STARE databases of manually labeled images. On the DRIVE and STARE databases, it achieves an area under the receiver operating characteristic curve of 0.9518 and 0.9602 respectively, being superior to those presented by state-of-the-art unsupervised approaches and comparable to those obtained with the supervised methods.     

基于眼底图像视网膜血管分割、分类方法的中医目诊研究

中医目诊是通过观察眼部的神、色、形、态来诊断全身疾病的一种方法。对眼底血管的观察是目诊的主要内容。视网膜血管结构的变化与许多慢性疾病密切相关。图像处理技术在眼底图像研究的应用可以为系统性疾病提供早期诊断。眼底图像血管分割是眼底血管研究的基础,目前大体可分为基于匹配滤波、血管跟踪、形态学处理、形变模型以及机器学习的分割算法5类。眼底血管分类,如动静脉分类,为临床诊断提供重要价值。在此类研究的基础上,提出了眼底血管分割、分类方法在中医目诊中的实际应用方法。     

MRI胸腔图像中肺组织的自动分割

目的探讨实现MRI胸腔图像中肺组织自动分割的方法。方法基于MRI胸腔图像,首先对整套图像数据集进行预处理,以增强图像中肺组织区域和周围组织的对比度。采用由粗到细的肺组织自动分割算法。该算法先采用阈值法分割出粗略的肺实质,然后通过标记连通区域统一背景,最后利用形态学的方法平滑肺边缘、填补肺区内的细小缺失并去掉黏连的气管及主支气管。结果自动分割的肺组织边缘轮廓清晰,与原图基本吻合,而且与手工分割结果的一致性较好。各时相点的平均DSI系数均超过89%,可视为有效分割。结论该算法能准确有效的自动分割出一个呼吸周期中不同时相点的MRI胸腔图像序列中的肺组织。     

大鼠脑血管、神经元和星形胶质细胞的空间构筑

目的:研究正常大鼠脑血管、神经元和星形胶质细胞的空间构筑.方法:活体灌注墨汁显示脑血管,脑组织冰冻连续切片,行神经胶质酸性蛋白(glial fibrillary acidic protein,GFAP)免疫组织化学和尼氏染色.结果:星形胶质细胞沿着血管分支的走行分布;神经元分布密集的区域血管分布相对集中;神经元和星形胶质细胞分布具有区域性.结论:此方法能较好地显示神经血管单位的空间构筑关系,其分布的区域性差异可能与相应的生理活动和调节功能有关.     

一种基于高斯混合模型的快速水平集图像分割方法

水平集方法(LSM)图像分割的本质是求解一个随时间变化的偏微分方程,而使用变分法求解此水平集方程(LSE)往往要耗费过多的计算时间。为了减少算法的运行时间,提出了一种快速水平集图像分割算法。该算法在模糊聚类水平集方法(FCM-LSM)的基础上使用高斯混合模型(GMM)改造其隶属度损失函数,并利用离散网格Boltzmann方法(LBM)求解水平集方程。实验结果表明:本文提出的算法无论是在执行效率上还是在分割效果上都优于传统方法,证明了算法的可行性。