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。     

基于改进区域生长算法的肝脏分割方法研究

目的：把肝脏从医学图像中提取出来,为肝脏三维定位以及放疗计划制定提供准确的数据。肝脏与其周围器官组织灰度差别小、边界不明显,而传统区域生长算法生长准则单一,不能满足分割精确度需求,并且未经处理的轮廓比较粗糙。针对这些问题,本文提出一种改进的区域生长算法。方法：本文算法主要从三个方面改进：基于先验经验和肝脏特性的种子区域选择;基于Canny算子边缘检测结果的区域生长准则动态优化;基于漫水填充法和曲线拟合的轮廓后处理。结果：本文使用多套临床实际腹部CT序列测试算法,以医生手动勾画结果为标准进行评价。在大多数CT切片上的肝脏自动分割都能取得较好的结果,并且分割用时很短,保证了效率。结论：测试结果表明,本文算法在动态控制区域生长和平滑轮廓方面有很好的作用,在保证速度的同时有效提高了肝脏自动分割精度。     

基于区域生长的图像分割研究进展

图像分割是图像处理与图像分析的基础步骤,主要难点是图像分割的不适定性。区域生长法算法简单,计算速度较快,是一种运用广泛的图像分割技术。本文根据当前主要的基于区域生长的分割模型,讨论了区域生长法中的种子点自动选取、相似性判断准则、适用情况及其改进方向,并对区域生长技术的发展进行了展望。     

结合水平集和区域生长的脑MR图像分割

本文提出了结合改进的水平集和区域生长方法实现脑MR图像分割,并根据不同组织成像特征和组织结构特点采用不同算法分割进行了探索.主要步骤:首先用改进的水平集算法实现图像中骨组织和脑脊液(CSF)的提取;然后,依据直方图确定脑灰质(GM)、脑白质(WM)的近似灰度值,自动定位种子点后进行区域生长,实现脑灰质和脑白质的分离.实验结果表明,该方法充分利用了脑MR图像中的区域信息和边界信息,与传统单一算法分割脑MR图像相比,具有更强的鲁棒性和准确性.     

分水岭算法在CT图像分割中的应用

目的：分水岭算法在图像分割领域得到了广泛的应用,但单独使用分水岭进行图像分割因为对噪声的抑制能力弱以及对大多数图像易产生过分割现象而变得困难。本文针对分水岭算法存在的过分割问题,提出了一种改进的分水岭算法应用于CT图像,能有效的抑制过分割现象。方法：首先对输入图像进行高斯滤波处理,然后通过Sobel算子求图像的梯度幅值,再求出多尺度灰度图,最后进行阈值分割和多尺度变换而达到对图像进行分割的目的,并将其转化成伪彩色图像显示来优化分割结果,在有效处理过分割问题的同时让图像分割后的效果更加明显。结果：仿真结果表明,与传统的分水岭分割算法比较,缓解了过分割问题,得到的分割效果要好很多。结论：本文实验可以有效地将传统的分水岭算法加以改进,将之应用于医学CT图像分割中,从而使图像各个不同的组织轮廓均得到了很好的区分,减少了图像的过分割点数,使图像的各个区域更易判断。     

图像分割在医学图像处理中的应用

目的讨论了医学图像处理中图像分割的几种算法。方法讲述了几种图像分割的算法，并应用于实际的医学图像处理中。结果每种图像分割算法与图像处理都有各自不同的处理效果，各有优、缺点。结论在具体实际情况的使用中，根据不同的情况采用不同的分割算法，以达到更好的效果。     

遗传算法在医学图像分割中的应用

图像分割（lmage Segmentation)是图像处理中的主要问题,同时也是一个学术难题,长期以来人们在努力寻找进行图像分割的算法,到目前为止还没有一个普遍认可的算法。1973年,美国教授J.Holland提出了遗传算法（Genetic Algorithm,GA)在很多领域获得进展,并在90年代被学引入图像分割领域。本简要介绍了图像分割及遗传算法的基本原理,着重探讨了近年来遗传算法在图像分割一个重要的应用领域－医学图像分割领域中的应用。     

遗传算法在医学图像分割中的应用

图像分割 (lm age Segm entation)是图像处理中的主要问题 ,同时又是一个学术难题 ,长期以来人们在努力寻找进行图像分割的算法 ,到目前为止还没有一个普遍认可的算法。 1973年 ,美国教授 J.Holland提出了遗传算法 (Genetic Algo-rithm,GA) ,在很多领域获得进展 ,并在 90年代被学者引入图像分割领域。本文简要介绍了图像分割及遗传算法的基本原理 ,着重探讨了近年来遗传算法在图像分割一个重要的应用领域——医学图像分割领域中的应用。     

基于CT图像的颅内血肿检测与分割

目的:为提高血肿分割精度,提出一种基于改进Canny算子的颅内类血肿噪声检测方法。方法:首先用区域生长算 法分割出颅脑组织,去掉颅骨等干扰信息。然后使用基于改进Canny边缘检测的方法检测颅脑边缘类血肿噪声,并与原 图像进行与运算消除该噪声。最后,通过使用OTSU适应度函数的遗传算法精准分割出颅内血肿。结果:该方法在随机 抽取的200例颅脑血肿图像中,血肿检测的准确率达到96.3%,Dice相似度达到93.5%。结论:该方法能准确、有效地检测 并分割出颅内血肿。     

一种基于Snake模型的脑部CT图像分割新算法

针对目前传统的Snake模型图像分割算法的力场捕捉范围小、对初始轮廓的选取敏感以及对轮廓曲线难以收敛到 细小深凹边界的缺陷,提出一种基于Snake 模型的脑部CT图像分割新算法。算法首先运用Canny 边缘算子对图像进行 边缘检测,将边缘检测图像叠加到原始图像上,然后再运用Snake模型和梯度向量流（GVF）Snake模型分别对叠加图像进 行分割。实验结果表明,该算法克服了传统Snake 模型和GVF Snake 模型因边缘轮廓不清晰造成的漏分割情况,防止了 GVF Snake模型由于GVF力场的相互作用所造成的过分割现象,同时,还能促使轮廓线收敛到细小深凹边界,提高定位精 度,具有更好的分割效果。     

基于形变模型的医学图像分割算法研究

结合形变模型和模糊C-均值（FCM）分割技术，提出了一种基于形变模型的医学图像解剖结构轮廓分割方法，在FCM分类的基础上，利用成员隶属函数定义一种模糊约束力并附加于形变模型的外部约束力中．在该种复合外部约束作用下，使形变模型能更好地收缩于解剖结构的轮廓。图像实验结果表明该方法的有效性和可行性。     

一种基于改进的DDCM可形变模型的医学图像分割算法

提出一种基于传统DDCM模型的具有自适应能力的可形变模型算法。利用局部归一化Snakes外力场的方法,提高模型的抗噪声能力,同时降低对初始位置的敏感性;构造图像边界信息图,用统计学方法获得Snakes的即时位置信息,解决传统模型的难于收敛到凹型边界、收敛条件不易控制以及移动步长的单一等问题。这种改进的可形变模型具有一定的自适应能力和较强的鲁棒性,而且效率高,在临床中有一定的实用价值。     

基于区域生长法的冠状动脉三维分割

根据图像序列,对患者冠状动脉进行三维重建,有利于医生对冠脉病变部位做出准确诊断。首先利用光线透射法（ray casting method）并结合ITK和VTK函数库对CT扫描图像序列进行三维重建,得到胸腔三维模型,之后利用区域生长法（region growing method）进行冠状动脉三维分割,实现冠脉模型的重建任务。实验结果表明,本文算法可以成功的提取出冠状动脉的主要分支。结合VTK和ITK函数库,计算机可以有效地实现胸腔三维模型的重建以及冠状动脉的分割工作,对医生直观的了解冠状动脉的解剖结构及冠心病的临床诊断有重要意义。     

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。     

三维医学图像序列的自动连续分割

我们针对医学辅助诊断系统中从M R图像分割脑肿瘤的问题,改进了区域竞争算法,并利用它实现了医学图像序列间的连续自动分割,特别是脑肿瘤的分割和脑膜瘤的自动识别。模糊化区域竞争算法是为了更好的适应医学图像的模糊与不均匀的特点,而用区域增长做初始化可以给区域竞争提供用来竞争和合并的过分割区域。为了实现医学图像序列的自动连续分割,每一副切片的分割结果都会被用作初始化下一张切片;并且我们根据脑膜瘤的特点实现了它的自动识别。实验表明,我们的自动分割算法对仿真脑图像和真实脑图像均有较好的分割精度,并能满足系统对分割快速性的需要。     

图像分割技术在中医舌诊客观化研究中的应用

舌诊是中医四诊的主要内容,是辨证论治的主要依据。客观化研究对中医辨证规范化及中医临床、教学和科研手段的现代化具有重要意义。对舌诊客观化研究中涉及的图像预处理的重要内容——舌体分割提取和舌苔舌质同类区域划分——进行了深入研究,提出了相应算法,通过实验充分证明了算法具有很好的鲁棒性。这给进一步的自动特征提取提供了保障和重要信息。     

基于对称区域生长和边缘梯度的视神经纤维的分割

在视神经横切面图像中,将每个神经纤维的内外边界进行精确分割是视神经形态分析的重要环节,提出一种基于对称区域生长和髓鞘边缘梯度的有效分割算法.该算法分两步进行,首先根据交互方式下选取的种子点,由对称区域生长算法实现轴突分割,然后在轴突轮廓模型基础上,髓鞘外轮廓在髓鞘平均边缘梯度引导下进行演化,实现自动分割.与K-均值聚类,局部阈值和水平集等其他算法的实验结果相对照显示,该算法分割获得的轴突和髓鞘轮廓与实际轮廓相吻合,其分割结果可以作为后续神经纤维形态分析的基础.     

医学图像的自动调窗与分割

计算机辅助外科系统中,图像引导的手术导航系统是一种技术含量最高、发展最快的外科手术设备,在神经外科、骨科、耳鼻喉科等有着广阔的应用前景。目前,手术导航系统在图像调窗、分割、配准均采用的是手工方式,迫切需要提高图像处理的自动化程度。本文提出的自动调窗与分割算法,比较好地实现了医学图像的自动调窗和自动分割功能:(1)通过对大量MRI和CT图像的灰度直方图分析,根据这一类图像的共性,给出相应的调窗算法,实验表明,该算法绝大部分MRI和CT图像的自动调窗效果接近于最佳;(2 )本文给出的种子生长分割方法,是基于灰度连通性原理,只需点击病灶,就可以将病灶及边缘准确地分割出来,并可以动态、实时地控制分割的效果,只要机器的内存允许,可以直接对三维图像进行三维分割。测试表明,该功能缩短和降低手术计划的时间和难度,提高导航手术的效率。