磁共振图像中非均匀场的校正

缓慢变化的非均匀场使磁共振图像的局部统计特性发生变化 ,不同生理组织的亮度交叠分布 ,使磁共振图像的分割比其他医学图像分割困难的多。磁共振图像中的非均匀场是磁共振图像自动分割的主要障碍。人们提出了众多的磁共振图像非均匀场的校正方法 ,其中有传统的图像处理方法 ,如图像模糊、平滑、滤波 ,也有新的方法 ,如基于分割的方法 ,基于直方图的方法等。本文对这些方法进行了综述和讨论     

基于模糊Gibbs场和模糊C均值聚类的脑部磁共振图像的分割

提出了一种利用模糊Gibbs场和模糊C均值聚类的新算法,用来分割脑部磁共振(Magnetic resonance, MR)图像.本算法引入了像素的空间约束,提出了势团均匀分布的概念,并使用模糊信息定义了势团的Gibbs能量,并在传统的基于灰度的模糊C均值聚类(Fuzzy C-means, FCM)算法中引入Gibbs能量的补偿项,建立包含像素灰度信息和空间约束的新的目标函数,并得到模糊矩阵和聚类中心的迭代公式,克服了基于灰度信息的模糊C均值聚类算法的缺陷,从而改善了原有的分割模型.对合成图像和脑部MR图像的实验表明了本算法的有效性,可以有效地分割被噪声污染的低信噪比的MR图像.     

磁共振图像中非均匀场的校正

缓慢变化的非均匀场使磁共振图像的局部统计特性发生变化，不同生理组织的亮度交叠分布，使磁共振图像的分割比其他医学图像分割困难的多。磁共振图像中的非均匀场是磁共振图像自动分割的主要障碍。人们提出了众多的磁共振图像非均匀场的校正方法。其中有传统的图像处理方法，如图像模糊，平滑，滤波，也有新的方法，如基于分割的方法。基于直方图的方法等。本对这些方法进行了综述和讨论。     

基于LBP的改进Random Walks算法在颅脑磁共振影像分割中的应用

目的 由于颅脑结构复杂且颅脑磁共振影像易受噪声、磁场不均匀性、部分容积效应等因素的影响,精确的脑组织分割方法仍需深入研究.方法 本文提出一种基于Random Walks的改进算法以提高脑白质、脑灰质及脑脊液分割的准确性.通过引入局部二值模式(local binary patterns,LBP)改进了传统Random Walks权重函数的构造,在反映相邻像素灰度变化信息的同时包含了局部图像的纹理信息,有利于合并同质区域并增强边缘轮廓的识别.本文还使用了灰度先验概率模型减少Random Walks种子点交互的次数.结果 实验结果表明基于LBP的改进算法在多种不同水平的噪声及不均匀场作用下,能够有效识别磁共振影像中脑组织区域的边缘轮廓,并对噪声有良好的鲁棒性.结论 基于LBP的改进Random Walks算法可精确分割颅脑磁共振影像.     

RSF模型的优化及其在MRI脑肿瘤分割中的应用

磁共振成像(MRI)具有图像模糊,灰度不均等特点,其分割问题一直都是研究的热点和难点。可变区域拟合(RSF)能量模型是一种较新的区域活动轮廓模型,可用于灰度不均匀图像的分割。然而,RSF模型设定的水平集函数(LSF)不适合初始轮廓内外灰度分布不同的环境,应用于整体灰度环境复杂的脑肿瘤MRI图像时,通常得不到理想的分割结果。构建新的LSF,并辅以mean shift平滑算法可使其更适用于肿瘤图像的分割,使新模型具有更好的收敛性和目标指向性。利用优化后的模型进行一系列实验,其结果表明:该算法鲁棒性强,可以快速、准确地分割出MRI图像中的脑肿瘤,具有显著的临床意义。     

基于模糊小波神经网络的磁共振图像分割方法

针对磁共振图像分割的特点,将小波分析优异的局部特性、模糊逻辑的定性知识表达能力和神经网络的自学习能力结合起来,提出了一种基于模糊小波神经网络的磁共振图像分割方法.该方法采用小波函数作为模糊隶属函数,利用神经网络实现模糊推理,并采用反向误差传播算法对网络进行训练.实验结果表明,这种基于模糊小波神经网络的磁共振图像分割方法与普通神经网络分割方法相比,具有更高的分割精度和更快的训练收敛速度.     

基于PCNN自动波特征的血细胞图像分割和计数方法

在生物医学领域,由于细胞图像的低灰度、亮度的不均匀性以及细胞图像特有的复杂结构特性,使得细胞图像分割和计数非常困难.大量研究表明,PCNN非常适用于图像处理,本研究提出了一种基于PCNN自动波特征的血细胞图像分割和计数算法.首先运用PCNN对血细胞图像进行了降噪,分割等预处理,然后利用PCNN自动波的传播特性去除了细胞图像中的微小干扰物体,并通过对分割图像进行标记实现了对血细胞图像的准确计数和特定细胞的单独分割,实验结果表明,该方法非常有效.     

基于有偏场校正的MRI脑组织分类法

核磁共振图像的自动图像分割和组织分类至今仍是一个有待解决的问题。在理想的情况下，各类组织的灰度呈正态分布；但受ＲＦ线圈、ＭＲ设备的操作环境等的影响，图像的灰度均匀性变差，相当于在增益场上叠加了一个偏移场，使信号产生混淆。作者采用“适配方割算法”，通过计算有偏场，并对图像进行灰度校正，可以达到全自动地分割脑组织图像。     

磁共振图像的分割

近年来,磁共振图像在临床上的应用越来越广泛和深入,但是,制约磁共振图像在临床上广泛应用和研究的一个瓶颈问题是图像分割。自从７０ 年代末磁共振图像应用于临床检查以来,人们提出了众多的磁共振图像的分割方法。这些方法中有经典的方法,如阈值法、基于边界的方法和基于区域的方法;有现代的方法,如概率统计的方法、基于知识的方法、模糊方法和人工神经网络的方法等。本文对这些方法进行了综述和讨论。     

FCM算法在脑肿瘤MRI图像分割中的应用

聚类算法已广泛用于图像分割，根据模糊C－均值聚类算法（FCM）的磁共振颅脑图像的特点，我们利用FCM算法对磁共颅脑图像进行了分割。结果表明，聚类算法在脑肿瘤的MRI图像分割中能够得到比较理想的结果，优于边缘检测、域值分割等方法。