一种改进的自适应谱聚类图像分割算法

摘要：目的提出一种改进的自适应谱聚类图像分割算法,该算法能自动选择出最优尺度参数从而提高谱聚类算法分割的准确
率。方法利用约束条件优化相关准则函数,对相似度量函数自动学习迭代并得到最优尺度参数,再运用基于Nyström 估计的
谱聚类算法得到最后的图像分割结果。选择对不同性质的纹理图像采用适合的相似度量函数并应用本文的算法进行图像分
割,最后与k-均值算法和预分割后再使用人工调整到最优参数的谱聚类算法的分割结果进行了比较。结果这种改进的自动选
择最优尺度参数的谱聚类算法在分割效果上较其它两种聚类算法能得到更好的分割结果。结论本文提出的改进方法,能使谱
聚类算法的图像分割效果更理想。
     

基于多权重概率图谱的脑部图像分割

目的探讨有效地利用图谱的先验信息和待分割图像的灰度与结构信息,得到光滑、准确的分割结果的脑部图像分割方
法。方法利用配准的局部相似性测度、标号图像的距离场、待分割图像的自相似性计算多权重概率图谱,然后对多权重概率图
谱进行阈值处理得到最终的分割结果。通过配准的相似性测度加权,保证概率图谱计算的准确性;利用标号图像的距离场加
权,引入图谱标号图像提供的位置先验信息;经过待分割图像的自相似性加权,引入了待分割图像提供的灰度与结构信息。结
果对大量脑部MR图像中的海马进行分割实验,并与国际上主流的分割算法进行了比较,对左海马的分割精度提高到87%,对
右海马的分割精度提高到87.5%。结论基于多权重概率图谱的脑部图像分割能有效的提高分割精度。
     

基于引导滤波的多图谱医学图像分割

目的为了有效的利用图谱的先验信息和待分割图像的灰度信息,并在融合标号图像的过程中校正配准引起的误差,得到
光滑、准确的分割结果,提出了一种新的基于引导滤波的多图谱医学图像分割方法。方法本文将多图谱配准与引导滤波相结
合。该方法包含4个部分：第一部分为多图谱配准,通过配准将图谱中存储的形状先验信息映射到待分割图像;第二部为标号融
合,利用配准的相似性作为权重,将形变后的标号图像融合在一起;第三部分为引导滤波,利用引导滤波引入待分割图像的灰度
信息,可以校正配准引起的误差;最后通过阈值处理,得到最终的分割结果。结果对15例脑部MR图像数据中的海马体进行分
割实验,左、右海马体分别达到了86%及87.4%的分割精度,与传统的标号融合算法相比,平均分割精度提升了2.4%。结论本
文方法结合多配谱配准与引导滤波的优势,提高了海马的分割精度,并得到光滑有效的分割精度。
     

一种结合低秩与稀疏惩罚的PET动态图像重建方法

目的提出一种结合低秩与稀疏惩罚的PET动态图像重建方法（L&S）。方法建立L&S重建模型,利用split Bregman法
来最优化求解代价函数。采用单房室模型仿真一套PET心肌82Rb灌注图像,将L&S重建方法与最大似然期望值法（MLEM）、
低秩惩罚和稀疏惩罚重建方法比较。结果L&S方法重建的图像的均方误差（MSE）最小,并且保留了更多图像特征。另外
L&S重建得到的靶心图和参考组的靶心图最相近。结论L&S重建方法无论是在直观视觉上,还是定量分析上都优于另外3种
方法。
     

基于改进Demons算法的非刚性配准及其在肿瘤放疗中的应用

摘要：目的提出一种改进的Demons 非刚性配准算法,验证算法的有效性,并将其应用于图像引导放射治疗（image-guided
radiotherapy, IGRT）中治疗图像和计划图像的配准。方法基于Brox等提出的梯度恒定假设和Malis的高效二阶最小化算法的
思想,将图像灰度梯度场的相似性加入原始的能量函数中,推导出更新变形场的公式。利用有限内存的BFGS算法优化能量函
数,自动确定迭代次数。分别利用模拟形变图像、变形体模图像和肝癌病人的临床CT图像验证改进算法的配准精度。结果改
进的Demons变形配准算法与原始的“Additive Demons”算法相比,配准精度更高,收敛速度更快。结论在放射治疗的不同分
次扫描过程中,因实际扫描条件的影响,两幅待配准图像像素灰度值范围不同的情况下,改进的Demons算法能够更好地实现快
速精确的配准。
     

基于密集特征匹配的胸片肺野自动分割

目的X线胸片中肺野的准确分割是胸片图像自动分析的必要步骤。本文采用局部特征的密集匹配和标号融合进行胸片
肺野的自动分割。方法对于输入的待分割胸片,基于每个像素点提取密集SIFT描述子和图像块作为局部特征,采用密集匹配
直接在整个参考图像特征集合中快速搜索近邻;密集匹配分为受限的随机初始化、近邻场传播和受限的随机搜索三步,并数次
迭代后两步。利用匹配得到的近邻场,提取标号图像块并进行加权,权重为匹配的相似度,最后重组为肺野的概率图,经阈值化
处理即可得到肺野的分割。结果在公开的JSRT胸片图像数据集上进行测试,本文方法的Jaccard指标可达95.5%。结论利用
局部特征的密集匹配和标号融合能取得准确性高且稳定的胸片肺野分割效果,并且优于当前最好的胸片肺野分割方法。
     

不同年龄段人群腰椎CT值的快速求解及临床意义

目的（1）探讨CT值平均值与骨密度值之间的关系;（2）探索一种新的图像分割方法快速准确求解不同年龄段人群腰椎
CT值。方法随机采集202例腰椎薄层CT扫描数据为实验材料,按照性别及每10岁为一个年龄段进行分组。各组数据输入至
Mimics14.0通过新的图像分割方法分割腰椎为各个独立蒙板文件,进行空洞填补并直接读取其蒙板文件的CT值平均值、最大
值及最小值。结果（1）男性21~70岁各年龄组的CT值平均值分别为424.94±52.23、405.59±53.60、361.76±53.50、344.17±47.76、
332.88±58.33 Hu;女性组分别为439.89±50.99、448.06±65.89、421.43±54.74、369.07±78.27、304.98±55.05 Hu;（2）统计学分析：男
性61~70 岁组与21~50 岁各组比较,P<0.05,与51~60 岁组比较,P>0.05;女性51~70 岁各组与21~50 岁年龄段各组比较,P<
0.05。结论（1）CT值平均值与骨密度值具有相关性;（2）通过新的图像分割方法可以快速准确获取感兴趣区域的CT值;（3）腰
椎CT值平均值具有随着年龄增大而降低的特点。
     

基于统计信息及个体信息的统计形状模型的肝脏分割

摘要：目的提出一种精确有效的分割CT图像中的肝脏区域的算法。方法在统计形状模型的基础上加入灰度模型,其中灰度
模型包含了训练集中图像的统计灰度信息和测试集中病人的特异性信息。既从整体上对肝脏组织分割进行控制,又从边缘细
节上加以优化。结果对测试集中的10个数据进行测试,相较于传统方法,OE和ASD有明显的提高。结论提出有效的灰度模
型不仅提高了分割的精度,而且增强了稳定性。
     

基于图割的肺4D-CT图像超分辨率重建

肺4D-CT在当今的肺癌放射治疗中起着重要的作用。本文提出了一种基于全局图割方法的肺4D-CT图像超分辨率重建 方法,来提升肺4D-CT图像的质量。该方法首先在最大后验马尔科夫随机场框架下建立一个肺4D-CT各相位高分辨率图像重 建的全局能量函数,然后,将该能量函数转化成图的表达方式,最后用图割方法和α-β swap算法优化能量函数来恢复高分辨率 图像细节结构。实验结果表明,在恢复图像的细节方面,本文方法要优于传统的线性插值和凸集投影超分辨率重建算法。     

靶向纳米微泡下高强度聚焦超声增效的声像图相关函数的应用研究

摘要：目的探讨在靶向纳米微泡条件下,用高强度聚焦超声(HIFU)辐照后,声像图相关函数与HIFU辐照发生凝固性坏死的关
系,以提高监控超声的判断灵敏度。方法60只双侧第二乳腺建模成功的VX2移植性肿瘤兔随机分为90 W,120 W,150 W组,
每组20只,采用HIFU定点辐照,辐照时间统一为3 s,辐照左侧肿瘤时注射微泡造影剂,右侧作对照,观测靶区辐照前后声像图
变化和灰度值变化,并对靶区声像图进行相关函数运算,比较灰度判别方式与相关函数判别方式的准确性与灵敏性。结果对
120个样本进行辐照前后声像图相关函数分析,总判对率为83.3%,高于灰度判对率68.3%,其差异有明显统计学意义（P<0.05）;
同一辐照条件下,微泡组坏死样本声像图相关函数平均值低于对照组,其差异有统计学意义（P<0.05）。结论运用相关函数分析
辐照前后靶区声像图,较灰度评价,其准确性、灵敏性更高,能有效提高HIFU疗效。
     

Manual Refinement System for Graph-Based Segmentation Results in the Medical Domain

The basic principle of graph-based approaches for image segmentation is to interpret an image as a graph, where the nodes of the graph represent 2D pixels or 3D voxels of the image. The weighted edges of the graph are obtained by intensity differences in the image. Once the graph is constructed, the minimal cost closed set on the graph can be computed via a polynomial time s-t cut, dividing the graph into two parts: the object and the background. However, no segmentation method provides perfect results, so additional manual editing is required, especially in the sensitive field of medical image processing. In this study, we present a manual refinement method that takes advantage of the basic design of graph-based image segmentation algorithms. Our approach restricts a graph-cut by using additional user-defined seed points to set up fixed nodes in the graph. The advantage is that manual edits can be integrated intuitively and quickly into the segmentation result of a graph-based approach. The method can be applied to both 2D and 3D objects that have to be segmented. Experimental results for synthetic and real images are presented to demonstrate the feasibility of our approach.     

改进的随机游走算法在困难肺结节分割中的应用

目的：为了提高计算机辅助诊断对肺结节良、恶性判断的精度,提出一种新的基于随机游走的肺结节分割方法。方法：首先,采用自适应中值滤波对图像进行平滑处理,消除困难肺结节内部灰度分布不均匀而导致的误分割;然后,将拉普拉斯零交叉点引入到随机游走算法权函数定义中,并根据图像中节点与种子点的距离来对图像进行边缘增强,消除弱边缘的干扰,获得外部特征清晰的肺结节分割结果。结果：与传统图像分割方法相比,该方法实现了三种困难肺结节的精确分割,对肺结节定量、定性分析提供更加准确的客观依据。结论：改进的随机游走图像分割可以有效地对困难肺结节进行精确分割。     

基于无监督学习的数字病理切片自动分割方法

  目的  使用无监督的方式进行图像分割,作为人工标记的一种替代。  方法  选取了共100张HE染色和巴氏染色切片的全片数字化图像（whole slide image, WSI）数据作为研究和测试的对象,其中乳腺切片70张,肺切片20张,甲状腺切片10张。为了保证数据的多样性,乳腺的切片包含了正常组织、炎症、肿瘤,肺切片取材主要为下叶新生物（包含了炎症和肿瘤）,甲状腺为细针穿刺的细胞（均为良性）。每张图像的最大总倍率（原始倍率）均为400倍,文件格式为ndpi。对每张WSI进行人工的标注,每张WSI的标注区域都大于10个视野,标注后的信息将用于有效性的验证。使用基于超像素与全卷积神经网络的算法构建无监督图像分割技术,对没有标记的WSI的任意感兴趣区域（regions of interest, ROI）进行图像分割。与区域邻接图合并的方法进行比较,以欠分割错误差率、边缘召回率和平均交并结果比判定两种方法的分割效果,并比较两种方法的效率。在执行效率的比较中,测试过程包含了超像素的预处理的时间,去掉了加载深度学习引擎的时间。  结果  对WSI任意ROI区域按纹理和颜色对图像实现了无监督的自动分割,乳腺切片、肺切片和甲状腺切片测试的结果差异小,多次测试的结果稳定,但该方法在对炎症和肿瘤的区分中表现一般。其欠分割错误差率、边缘召回率和平均交并结果分别为19.10%、82.06%和45.06%。区域邻接图合并的方法的欠分割错误差率、边缘召回率和平均交并的结果分别为21.52%、78.39%和44.81%。在GPU模式下整个过程平均耗时为0.27 s,在CPU模式下平均耗时为1.30 s,由于区域邻接图合并的方法没有实现GPU模式,在CPU模式下平均耗时为10.5 s。  结论  本方法通过简单的人机交互操作得到理想的像素级标注结果,可以有效降低数字病理切片数据标注的成本,比区域邻接图合并的方法在处理图像纹理的方面表现得更好,处理速度更快。     

基于自然语言技术进行血管超声报告智能生成诊断提示的探索

目的:探索基于血管超声报告进行自然语言处理并智能生成诊断提示的方法。方法:对血管超声报告采用Bi-LSTM-CRF模型进行分词及命名实体识别,根据专家指南构建知识图谱,通过查询实体及关系属性,实现超声诊断的智能建议。结果:Bi-LSTM-CRF模型识别了4类实体,其识别准确度均在90%以上,单个报告的处理速度在毫秒量级,同时构建包括4类关系的知识图谱。结论:自然语言处理结合知识图谱可以用于血管超声报告的智能诊断提示生成。     

基于局部灰度差异的快速自适应活动轮廓模型分割腮腺导管

目的研究一种基于局部灰度差异的快速自适应活动轮廓模型腮腺导管图像分割算法。方法本研究在LBF模型的基础 上,加入了轮廓内外局部灰度的均值差异作为驱动演化曲线的能量项,并且将局部灰度方差差异代替λ1 、λ2 作为能量参数值的 控制项,同时还引入两种不同邻域大小的局部相似因子,来克服图像灰度不均匀和边界模糊的影响以提高分割效率。结果该 算法在分割图像时,能够根据内外局部灰度均值差异和方差差异自适应地调节演化方向、速度以及内外部区域能量所占权重, 在面对复杂梯度边界区域时亦能够检测出真实边界,使演化曲线快速精确地逼近目标边界。结论实验结果表明,本文算法明 显优于现有的几种分割算法,能够实现快速精确地分割腮腺导管图像并且保留图像细节。     

基于能量代谢与体脂率关系的不同肥胖评价方法的探讨

目的以剩余能量为参照依据,探讨不同体脂率方法评价肥胖的合理性。方法采用前期经过信效度检验的营养及体力活动调查问卷并结合实验测试,对西安市650名中老年女性进行问卷调查和形态指标测试,比较不同方法计算的体脂率与剩余能量的关系。结果电阻抗法(BIA)、张薇公式(ZW)、铃木公式D1(LM1)、铃木公式D2(LM2)、铃木公式D3(LM3)计算出的体脂率均与能量摄入及剩余能量呈正相关(r值在0.29～0.81);能量过剩组5种方法计算的体脂率均值均显著高于能量不足组,差异有统计学意义(P<0.01)。5种方法检测的体脂率与剩余能量的关系曲线图大致趋势一致,随体内剩余能量的蓄积增多,体脂率也不断增加,尤其LM2法体脂率与剩余能量指标的一致程度最好。结论不同方法计算的体脂率均随剩余能量在体内堆积增加而不断增大;LM2法体脂率与剩余能量指标的一致程度最好。从健康和医学角度评价肥胖,LM2法更具合理性。     

基于狄利克雷分布和参数分析的高斯混合模型图像分割算法

传统的高斯混合模型对于含有噪声的图像不能进行有效的分割。针对有噪声图像的分割问题,提出了一种基于狄利克雷分布和参数分析的高斯混合模型图像分割算法。首先采用高斯函数对像素计算先验概率值,然后采用狄利克雷分布和定律关联像素间的邻域信息,并利用梯度下降法优化参数。实验结果表明,本文算法对无噪声和有噪声图像的分割结果比传统方法更有效,误分率更低。     

Wavelet-based Multi-resolution Deformation for Medical Endoscopic Image Segmentation

Image segmentation is an essential technique in image analysis. In spite of issues in contour initialization, boundary concavities and high-level computation, active contour models (snakes) are popular and successful method for segmentation among researchers. Segmentation process in snakes consists of calculation of energy and deformation of contour. In this paper, we present a new deformation method for active contour model, multi-resolution deformation based on wavelet ensuring powerful time reduction, high accuracy supported by stable results in convergence of an initial contour to target boundary in medical image segmentation.     

图像分类数的自适应估计准则与最优分割算法

在图像分割算法中,将图像灰度分为多少类是首先需要决定的问题,它将直接影响分割的最终结果。因此,必须合理地估计图像分类数,它在理论分析和应用上都是很重要的一步。本文提出了一种基于马尔可夫场的图像分类数的自适应估计准则。当该准则达到最小时对应的类数就是图像正确分割所要求的分类数。准则中各参数由期望最大法和最大伪似然法来估计。试验表明,本文的算法能通过自适应的调整参数而正确地找到图像的分类数,并且在此分类数下能自动得到图像的最大后验分割。