结合蚁群算法的Snake模型的医学图像分割方法

图像分割是医学图像处理中一个网难而又极其重要的课题.本文提出一种新的结合Snake模型和蚁群算法的图像分割算法.Snake模型是一种将目标的轮廓模型与图像特征相匹配的分割方法,而蚁群算法可以帮助人们理解生物系统的原理以及在机器人技术、计算机图形学等领域已经得到广泛应用.本文在结合已有Snake模型和蚁群算法优点的基础上,提出了新的图像蚁群分割模型.实验结果表明,本文提出的分割方法能够比较好的保留图像的细节信息,并具有一定的抗噪声能力.     

基于活动轮廓模型的图像分割算法综述

活动轮廓模型是一种重要的图像分割技术,它利用底层信息,并结合高层先验知识,实现对复杂目标轮廓的自动分割。自Kass等提出该思想以来的20多年中,活动轮廓模型在理论研究和应用方面均取得长足发展。首先,介绍活动轮廓模型的发展历程,重点阐述并分析典型的参数活动轮廓模型和几何活动轮廓模型,进而扼要介绍混合活动轮廓模型和快速求解算法;随后,从理论基础、分割效果、算法效率以及应用等方面,比较两类模型之间的区别与联系;最后,对活动轮廓模型未来的发展趋势进行展望。     

活动形状模型在医学图像分割中的应用

在医学临床实践和研究中经常需要根据各种图像对解剖结构进行识别和精确定位,以获取有用的信息。活动形状模型是计算机视觉领域成长很快的一类统计学模型方法,在图像分割和解释方面展示了相当可观的发展前景。对活动形状模型及其扩展算法活动表观模型的发展现状,以及它们在医学图像领域的应用和研究热点进行了总结并对技术的进一步发展进行了初步探讨。     

医学图像分割中的形变模型技术

形变模型技术作为一种既能结合底层图像信息，又可结合高层先验知识的图像分割技术，以其独特的魅力吸引着该领域越来越多的研究者，但至今尚未有统一的分类方法。提出一种新的分类方法，把形变模型技术大致分为自由形态和受限形态两类模型，从新的视角对形变模型技术进行了系统分类和知识梳理，回顾了形变模型技术的主要工作及其在医学图像分割领域中的应用，为研究者对这一领域的总体把握提供了有益的参考。     

基于Snake模型的医学图像分割

基于Snake模型的图像分割技术是近年来图像处理领域的研究热点之一.Snake模型承载上层先验知识并融合了图像的底层特征,针对医学图像的特殊性,能有效地应用于医学图像的分割中.本文对各种基于Snake模型的改进算法和进化模型进行了研究,并重点梳理了最新的研究成果,以利于把握基于Snake模型的医学图像分割方法的脉络和发展方向.     

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。     

医学图像分割技术研究

医学图像分割技术是医学图像处理和分析中的关键技术.医学图像分割在医学诊断中扮演着重要角色,是图像分割的一个重要应用领域.本文综述和讨论了近年来的医学图像发展概况、分割技术、研究热点及其医学图像分割的评价等问题,并简要讨论了每类分割方法的特点及医学图像分割发展趋势.     

医学超声图像分割技术

图像分割在医学超声图像的定量、定性分析中均扮演着重要的角色,它直接影响到后续的分析、处理工作.但因其本身所具有的复杂性,医学超声图像的分割实际上是一件非常困难的事情,至今仍是一个悬而未决的世界性难题.因此我们更为详细的了解医学超声图像的一些分割技术,才能对这些方法加以运用,使得这些技术相辅相成,在实际应用中才能根据需要结合起来,形成更好的分割效果.     

基于中层特征的医学图像分割研究进展

图像的中层特征将图像中的全局信息和局部信息结合,同时具备代表性和特异性,能够更好地表达图像的信息。已有的研究工作成功地将中层特征用于医学图像的分割,主要的方法包括稀疏编码和空间金字塔匹配(spatial pyramid matching,SPM)算法,词典学习,以及神经网络等算法。中层特征的应用提高了算法性能。本文介绍了现有的基于中层特征的医学图像分割算法,并对今后的研究工作进行了展望。     

医学图像分割中的主动轮廓模型研究现状

主动轮廓模型具有强大的先验知识引入能力,非常适合解决复杂医学图像分割问题。本文介绍了两种主动轮廓模型的基本原理及其相互关系,详细综述了模型的几个重要改进措施,包括曲线的表示方式、基于梯度的ACM、基于区域的ACM,以及结合先验形状的ACM,并讨论了医学图像分割中的主要应用实例,最后展望了模型今后的研究方向。     

一种基于水平集的医学图像分割算法

对Chan和Vese提出的活动轮廓线图像分割算法进行改进,用边界统计特性代替Chn-Vese方法中的区域统计特性.在图像分割的每次迭代中,首先根据当前曲线找到其边界统计特性,然后代入演化方程以使曲线运动到目标边界上,并用水平集方法实现.实验结果表明该算法在器官轮廓分割中是有效的.     

A CT Image Segmentation Algorithm Based on Level Set Method

INTRODUCTION Image segmentation is one of the most important topics in medical image processing fields. In manycases, image segmentation is prerequisite. For example: In radiodiagnosis, in order to give dose protec-tion for lung organ, it is necessary to segment it frombreast CTslices. In order to give detailed informa-tion about the focus, it should be extracted from other healthy tissues. All the problems mentioned arerelative to howto express the object regions and contours accurately…     

血管图像分割技术的研究进展

血管图像分割是循环系统血管分析的一个重要组成部分,也是血管三维重建、定量分析的基础.本文对适于血管图像分割的区域生长法、活动轮廓模型、基于追踪的方法等传统的分割技术,及基于数学形态学、神经网络等近年来结合特定理论和工具提出的分割算法进行了综述.针对血管图像的这一具体应用领域,把现有的血管图像分割技术分成如下三类:①基于边界的分割技术;②基于区域的分割技术;③基于特定理论和工具的分割技术.     

基于CUDA的快速三维医学图像分割

目的:三维分割是医学图像分析和可视化中的重要组成部分,也是医学图像分割中的一个难点。水平集方法在三维医学图像分割中有很广阔的应用前景,但是该算法的计算量大,不能达到实时处理的要求。针对这个问题,提出了一种基于CUDA的并行加速方法。方法:采用NVIDIA公司的GPGPU模型CUDA,利用图像像素的独立性和偏微分方程求解的并发性,提高C-V水平集算法的分割速度。给出了并行计算的流程图,并对C-V水平集算法在CUDA上的实现进行了详细介绍。结果:实现了C-V水平集并行加速算法,该方法在保证分割效果的前提下,具有更快的分割速度。结论:所提出的方法是切实可行的,实现了快速的三维医学图像分割。     

Segmentation of Bacteria Image Based on Level Set Method

In biology ferment engineering, accurate statistics of the quantity of bacteria is one of the most important subjects. In this paper, the quantity of bacteria which was observed traditionally manuauy can be detected automatically. Image acquisition and processing system is designed to accomplish image preprocessing, image segmentation and statistics of the quantity of bacteria. Segmentation of bacteria images is successfully realized by means of a region-based level set method and then the quantity of bacteria is computed precisely, which plays an important role in optimizing the growth conditions of bacteria.     

基于相对模糊连接度的联合主动轮廓模型及其在医学图像分割中的应用

针对医学图像背景复杂、边界模糊、局部不均匀等特点,提出了一种基于相对模糊连接度的联合主动轮廓模型,并将其应用于医学图像分割。首先介绍主动轮廓模型的曲线演化方程和模糊连接度的相关理论,然后将相对模糊连接度作为曲线演化驱动力引入曲线演化方程,最后用实验证明该方法对多目标医学图像和复杂医学图像的有效性。由于模糊连接度方法综合了局部信息和全局信息,因此可以克服Li方法容易陷入局部最优的问题和Chan-Vese方法不能越过局部伪边界的问题,从而使联合主动轮廓模型的演化曲线最终收敛于全局最优边界。     

Liver Hydatid CT Image Segmentation Using Smoothed Bayesian Classification Method and Modified Parametric Active Contour Model

Liver hydatid disease is a common parasitic disease in farm and pastoral areas, which seriously influences people's health. Based on CT imaging features of this disease, an iterative approach for liver segmentation and hydatid lesion extraction simultaneously is proposed. In each iteration, our algorithm consists of two main steps: 1) according to the user-defined pixel seeds in the liver and hydatid lesion, Gaussian probability model fitting and smoothed Bayesian classification are applied to get initial segmentation of liver and lesion; 2) the parametric active contour model using priori shape force field is adopted to refine initial segmentation. We make subjective and objective evaluation on the proposed algorithm validity by the experiments of liver and hydatid lesion segmentation on different patients' CT slices. In comparison with ground-truth manual segmentation results, the experimental results show the effectiveness of our method to segment liver and hydatid lesion.     

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。