基于灰度投影和阈值自动选取的舌像分割方法

背景:传统的中医舌诊是通过目视观察舌像,凭借医生的临床经验准确诊断疾病,缺乏客观的诊断方法与标准,从而影响了这种诊断方法的有效性.因此,有必要运用计算机视觉等技术,实现舌诊的定量化和客观化.舌体分割是舌象识别诊断系统的前提工作,分割的好坏直接关系着后续工作的成败.目前已经提出的舌体分割方法很多,但是得到的结果很难保证准确性,而且算法的抗干扰能力很差.目的:旨在设计一种新的舌像分割方法,能够有效地分离出舌体部分.方法:针对舌图像的灰度和颜色特点,提出了一种基于灰度直方图投影和阈值自动选取相结合的舌图像分割方法,首先对舌像的亮度灰度图像分别进行水平和垂直方向的灰度投影,以确定舌体所在的区域,然后采用自动选取阈值的Otsu法,对该区域进行分割.结果与结论:舌体图像的准确分割对于舌诊的数字化实现是很重要的.281幅舌像的实验结果证明了该算法的有效性.     

基于亮度不变的医学超声图像对比度增强方法

目的探求一种基于亮度不变的医学超声图像对比度增强方法。方法在改进常规直方图均衡化算法的基础上,以最小灰度平均值误差二元直方图均衡化为基础,引入另一个有效分割点。结果实现了一种局部直方图均衡化算法亮度保持三元双向直方图均衡化。结论此算法较其他直方图增强方法更好地抑制了医学超声图像黑色背景过增强,保留了原图像细节信息,保持了原图像亮度,提高了图像对比度。     

基于阈值分割和Snake模型的弱边缘医学超声图像自动分割

医学超声图像分割是图像处理中的一项关键技术.文章以胆结石超声图像为例,介绍一种新的弱边缘超声图像自动分割算法.首先采用基于直方图凹度分析的闽值分割方法确定Snake模型的初始蛇,再基于Snake模型结合贪婪算法对图像进行目标分割.实验结果表明该算法对弱边缘现象较为严重的医学超声图像进行目标分割时,定位准确,分割效果良好,足一种全自动的超声医学图像分割方法.     

基于数字图像处理技术测量松质骨孔隙率的方法

背景:传统的松质骨孔隙率检测方法如直接法、气体膨胀法、压汞法、密度法和吸渗法等测量方法存在效率低、劳动强度大和工作繁杂等不足.目的:利用MATLAB图像处理松质骨切片,计算松质骨孔隙率.方法:运用MATLAB处理图像的方法,通过对染色后的松质骨切片图像进行去除灯光不均、图像增强、二值化、移除干扰目标等处理,最后得到二值化的二维矩阵.结果与结论:切片图像由骨质和孔隙构成,对切片图像进行分割并计算孔隙率.主要解决了图像信息中由光照强度不均和其他干扰而影响统计的问题.利用MATLAB骨切片图像处理与分析方法不仅可以用来进行松质骨孔隙率的测量,而且能用来研究孔隙率的分布和变化规律.选取图像不同区域计算出各个选取区域孔隙率大小,用来分析切片孔隙分布的情况,这对于研究松质骨结构提供了一种方法与思路.     

基于纹理分析和双边滤波方法对加标记心脏核磁共振图像分割

背景:加标记心脏核磁共振成像方式提供了左心室内外心膜的边缘信息,该边缘信息可由分割图像得到.但是,所引入的标记线加大了这类图像边界分割的凼难.目的:针对目前在加标记心脏核磁共振图像中对左心室分割困难的问题,提出了一种新的自动分割的方法.方法;首先,使用全局直方图规定化方法增强标记和非标记区域的对比度;然后,利用一种简单的纹理分析方法区分血流充盈的心腔(非纹理)区域和加标记心肌(纹理)区域;再应用双边滤波在保持边界的同时滤掉图像的伪影;最后,用GVF-snake模型自动提取左心室图像的边界.结果与结论:提出了一种简单的纹理分析方法来移除标记线:用局部窗口中的最大灰度值与最小灰度值之差来代替原象素点灰度值,再运用双边滤波滤除图像伪影并保持边界,最后应用 GVF-snake模型实现了左心室边界的有效提取.实验结果显示,该方法能够较好地提取部分加标记心脏核磁共振图像中血流充盈区的边界.     

基于分水岭算法的交互式三维分割方法

背景:在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割.目的:为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法.方法:提取CT 序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割.首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT 序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域.结果与结论:基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像.利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征.     

基于精确直方图规格化的医学超声图像增强

目的探求一种改进的精确直方图规格化方法,提高医学超声图像的对比度。方法针对医学超声图像的特点,引入一个有效的分割点,将原始图像分割为背景和前景区域,只对前景区域进行增强。结果本文方法将局部灰度拉伸到一个较大的动态范围,提高了对比度,抑制了医学超声图像背景过增强,保留了图像的细节信息。结论本文在增强图像对比度的同时能够有效地保留图像细节,是一种有效的对比度增强方法。     

CT图像中肺实质的自动分割

目的 为解决肺实质分割中肺部结节及高密度血管易遗漏的问题,提出一种自动肺实质分割方法.方法 首先利用二维区域生长反操作、连通区域判别等方法提取肺实质区域;然后利用行扫描法定位肺区边界点;最后通过对边界点参数分析,定位受肿瘤侵占的边界点,利用曲线拟合修复受损边界.结果 通过对多组胸部CT图像的分割,验证了算法的有效性;与几种常见边界修复算法对比,验证了行扫描边界修复算法的优越性.结论 本文提出的算法能将肿瘤包含到肺实质区域,确保分割的完整性、准确性、实时性.     

基于自动策略的脑图像分割

目的脑图像分割在外科手术规划和脑疾病诊断等方面都起着极为重要的作用,建立脑图像分割的自动策略成为一种需要。方法通过各向异性滤波,统计阈值分割,数学形态学滤波,和基于模糊连接算法对脑图像进行自动分割。结果实验表明这种分割策略能取得良好的分割结果。结论本文提出的算法可以有效地完成脑图像的自动分割工作。     

对角线剖面分析引导的全自动肺CT图像分割

目的 提出一种基于对角线剖面分析的全自动肺CT图像分割方法。方法 首先构造待分割图像的对角线剖面图, 然后自动分析该剖面, 得到各组织结构的位置信息和像素值信息, 引导区域增长算法分离患者身体和背景, 再利用灰度阈值算法分离胸壁与肺区, 再用数学形态学算法修正肺边缘, 得到肺区掩模图像, 最后利用肺区掩模图像与原图像运算提取肺区。结果 利用从不同数据库选取的51幅CT图像检验提出的方法, 所得结果与诊断医师手工分割结果进行比较, 计算重叠率指标(OR), 最低OR为95.86%, 最高OR为99.25%, 平均OR为97.85%。结论 对角线剖面分析方法能高效地实现全自动肺CT图像分割。     

基于MeanShift方法的肝脏CT图像的自动分割

目的 探讨基于Mean Shift方法的肝脏CT图像的自动分割算法,以实现肝脏的自动分割。方法 首先对原始图像进行单次Mean Shift平滑 ,滤除噪声的影响以增强算法的鲁棒性,然后通过Mean Shift迭代自动选取初始种子点,最后采用基于区域生长的方法实现肝脏CT图像的自动分割。结果 实验证明此方法是一个准确、快速和有效的肝脏自动分割方法。结论 采用本文中提出的方法,可有效地实现肝脏的自动分割。     

Automated separation of gray and white matter from MR images of the human brain

A simple automatic procedure for segmentation of gray and white matter in high resolution 1.5T T1-weighted MR human brain images was developed and validated. The algorithm is based on histogram shape analysis of MR images that were corrected for scanner nonuniformity. Calibration and validation was done on a set of 80 MR images of human brains. The automatic method's values for the gray and white matter volumes were compared with the values from thresholds set twice by the best three of six raters. The automatic procedure was shown to perform as good as the best rater, where the average result of the best three raters was taken as reference. The method was also compared with two other histogram-based threshold methods, which yielded comparable results. The conclusion of the study thus is that automated threshold based methods can separate gray and white matter from MR brain images as reliably as human raters using a thresholding procedure.     

双源CT心脏图像中二尖瓣的分割及三维重建

目的 对双源CT(DSCT)图像中心脏二尖瓣进行分割和三维重建,为二尖瓣结构和功能异常分析提供参考。 方法 采用两步分割法对DSCT图像中二尖瓣分割:首先利用基于区域竞争主动轮廓模型的快速水平集算法(RCAC-FLSA)对经过双边滤波处理后图像进行初步分割,得到心脏对比剂增强区域;然后在灰度拉伸处理的基础上,结合ROI,再次利用RCAC-FLSA对上一步分割结果进行分割,得到心脏二尖瓣区域;最后对二尖瓣进行恢复。在Visual C++ 2005平台上结合OpenGL开发三维重建与显示平台,利用基于三维纹理映射的体绘制方法进行三维重建,并且加入伪彩色处理和透明度处理,以增强三维重建的立体效果。 结果 成功分割出一系列DSCT心脏图像中的二尖瓣,结合伪彩色处理和透明度处理的三维重建与显示平台,可获得二尖瓣的逼真重建。 结论 两步分割算法能有效分割DSCT心脏图像中的二尖瓣;结合伪彩色处理和透明度处理的三维重建与显示平台,能提供逼真的三维重建效果。     

三维多模态医学图像自动配准方法研究

提出一种综合应用图像分割与互信息的医学图像自动配准方法.首先采用门限法和数学形态学方法进行预处理,再用k-means方法进行分割,之后采用基于互信息的Powell优化方法配准.将该方法用于磁共振图像(MRI)和正电子发射断层扫描(PET)临床医学图像配准,得到较满意的效果.     

基于小波的磁共振图像聚类分割

目的 利用直方图自适应确定人体不同部位MRI的聚类类别的数目和相应的初始聚类中心,实现模糊-c均值聚类算法(FCM)分割的自适应。方法 首先采用小波变换拟合直方图的平滑包络线,降低噪声对寻找包络线极值的影响;其次根据微积分的知识求出包络线极大值的个数,按照文中给出的法则对包络线的极大值进行筛选,确定直方图中峰值的个数;最后以直方图中峰值的个数为聚类类别数,以相应的峰值为初始聚类中心,对MRI进行FCM分割。结果 采用该方法对多幅腹部和脑部MR图像进行分割,均能有效地自适应确定聚类的个数。结论 本文方法能够有效、准确地确定不同MR图像的聚类类别的个数,实现FCM的自适应。     

基于卷积神经网络检测肺结节

Objective Major challenges in the current automatic detection of lung nodules from chest CT images are to improve the sensitivity and to reduce the false positive rate. A new scheme based on convolutional neural network was proposed in this study. Methods The method applied an automatic anatomy recognition (AAR) methodology based on fuzzy modeling ideas and an iterative relative fuzzy connectedness (IRFC) delineation algorithm for the segmentation of lung parenchyma in CT images. The segmented lung image was inputted into the conventional neural networks for feature extraction of pulmonary nodules. The network adopted position-sensitive score maps to express the location information of lung nodules. Results This method could obtain accurate segmentation of the lung parenchyma in the data set of Tianchi Medical AI Contest, and the accuracy, sensitivity, specificity and false-positive rate of lung nodules detected was 95.60%, 95.24%, 95.97% and 4.03%, respectively. Conclusion Detection of pulmonary nodules based on convolutional neural networks has high accuracy and efficiency, and good robustness.     

基于分水岭算法的交互式三维分割方法

背景：在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割。目的：为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法。方法：提取CT序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割。首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域。结果与结论：基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像。利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征。     

Multiresolution texture based adaptive clustering algorithm for breast lesion segmentation

Objective: A specific algorithm is presented for the automatic extraction of breast tumors in ultrasonic imaging. Method: The algorithm involves two-dimensional adaptive K-means clustering of the gray scale and textural feature images. The segmentation problem is formulated as a maximum a posteriori (MAP) estimation problem. The MAP estimation is achieved using Besag's iterated conditional modes algorithm for the minimization of an energy function. This function has three components: the first constrains the region to be close to the data; the second imposes spatial continuity; and the third takes into consideration the texture of the various regions. A multiresolution implementation of the algorithm is performed using a wavelets basis. Results: Experiments were carried out on synthetic images and on in vivo breast ultrasound images. Various parameters involved in the algorithm are discussed to evaluate the robustness and accuracy of the segmentation method. Conclusion: Including textural features in the segmentation of ultrasonic data improves the robustness of the algorithm and makes the segmentation result less parameter dependent.