一种分割冠状动脉X射线造影图像的有效方法

目的 提出一种简单有效的方法进行冠状动脉X射线造影图像的分割。方法 基于Hessian矩阵的多尺度滤波和区域增长等算法,其中多尺度滤波用来增强造影图像中的血管,然后利用多种子点区域增长算法从增强后的图像中提取冠状动脉树。结果 该方法对于造影图像中血管状结构非常敏感,能够清晰提取出冠状动脉树中较细小的末梢,并能有效抑制噪声。结论 该方法适合于分割冠状动脉造影,适用于冠状动脉造影的精确量化分析。     

双源 CT 冠状动脉三维分割算法的研究

本研究旨在从心脏双源 CT 数据中自动精确分割出冠状动脉。采用一种基于多尺度滤波和概率决策的血管自动分割算法。先基于多尺度 Hessian 矩阵增强图像中的管状结构,再利用最大后验概率基于灰度将体素分为目标和背景2类,最后用26邻域区域生长法分割出左冠状动脉。实验结果表明,可精确分割出冠状动脉并提取血管中心线。该算法避免了血管泄露问题,无伪血管,无需人工交互,是一种有效的双源 CT 冠状动脉自动提取方法。     

眼底数码图像血管分割预处理关键技术研究

目的本文以眼底图像为研究对象,针对眼底图像血管分割的预处理关键技术进行了深入的研究和探讨。方法首先通过RGB通道选择,显示出较为清晰的血管图像,并通过自适应直方图均衡化增强图像对比度。其次,利用灰度倒置和灰度增强,使细小血管更加清晰,并采用空域滤波对血管轮廓边缘进行增强。最后进行图像填充,去除背景中的噪声干扰。结果通过MATLAB仿真实验,获得了血管脉络清晰的眼底数码图像。结论本研究为血管的自动分割以及血管成分的定性和定量分析奠定了基础。     

结合二维灰度直方图与PCNN的医学图像多类分割

针对医学图像中对组织器官多类分割的要求,提出一种结合二维灰度直方图的脉冲耦合神经网络（pulse coupled neural networks,PCNN）图像多类分割算法.首先根据PCNN模型的局部连接作用和阈值衰减特性对图像进行多类分割,然后利用基于类内最小离散度的二维直方图算法计算出PCNN网络迭代时的最佳门限值,从而实现医学图像的多类分割.通过对仿真的正常颅脑和非正常的颅脑核磁共振图像进行测试,结果显示本PCNN图像多类分割算法能够有效地分割出核磁共振颅脑图像中不同脑组织.因此,本文算法具有应用于医学图像的多类分割的可行性,并提高计算机辅助分割医学图像的准确性.     

彩色血液细胞图像的自动分割方法研究

提出基于自适应多尺度阈值和种子点增长的混合方法自动分割彩色血液细胞图像。首先对原始图像直方图进行多尺度滤波，根据它的尺度空间图特性，确定合理的阈值，完成对胞核的分割和白细胞的检出。其次，利用局部颜色特征及全局形态特性控制种子点增长，完成对白细胞浆区域的分割。该方法对白细胞的检出率为98％，分割效果主观评价为好的占93％，它能有效地分割白细胞区域。     

冠脉数字造影图像血管分割方法研究

为了从冠脉数字造影图中提取具有复杂形态结构的血管 ,以便于血管临床心血管疾病的定量分析与诊断 ,我们对造影图像设计了一种有效的血管分割算法 ,然而为了获得更加准确的血管形态 ,我们对造影图像和掩膜图像进行匹配减影 ,然后再从减影图像中分割血管 ,实验结果表明这样分割得到的血管较直接从造影图像分割得到的血管更加准确     

基于直方图拟合的MRI图像水平集分割

利用混合高斯模型对MRI图像直方图进行分析,将拟合获得的特征参数作为水平集曲线进化的约束条件,对医学图像进行分割。分割中采用的自适应Level Set方法,能够自适应地确定曲线进化方向（扩张或收缩）,而不必在分割之前指定其进化方向,减少了人工干预;同时也克服了传统测地活动轮廓线（GAC）方法对图像梯度信息的过分依赖,以及由于对图像进行大尺度高斯平滑处理造成边缘点移动、定位准确度下降的缺陷。分别对MRI仿真和真实图像进行了实验,MRI仿真实验的分割敏感性、专一性和总体性能指标分别达到了94.72%、97.52%和97.22%。分割结果的定量分析和定性分析表明算法的有效性以及较高的分割准确度。     

基于Retinex理论的眼底彩色图像增强算法

眼底彩色图像存在亮度低、对比度差、局部细节丢失等问题,分析已有Retinex图像增强方法存在的问题,在此基础上提出一种改进的基于Retinex理论的眼底彩色图像增强方法。首先提取亮度分量,对亮度通道进行多尺度Retinex增强,改进将图像映射到显示器上的gain/offset 算法以及颜色恢复方法,最后对具有亮度信息的红色通道进行恢复。为验证方法的有效性,以DIARETDB0眼底图像数据库为研究对象,并与多尺度Retinex(MSR)、带色彩恢复的多尺度Retinex(MSRCR)、直方图均衡化(HE)、对比度受限自适应直方图均衡化(CLAHE) 4种经典增强算法进行比较。结果表明,所处理的图像在色彩保护、血管对比度的提升以及图像细节的增强方面比其他图像增强方法有更好的效果,信息熵提高5%～7%,峰值信噪比(PSNR)比传统方法提高1～2倍,客观评价指标明显优于当前常用的眼底图像增强方法,对进一步眼底图像的识别具有重要的意义。     

BP神经网络在眼底造影图像分割中的应用

背景:通过眼底荧光血管造影(FFA)所得到的数字图像以及对其进行处理所得到的数据,可反映视网膜血管结构、血流动力学改变、血管病理生理变化及其相关结构的病理改变,广泛应用于视网膜、脉络膜及视神经疾病的鉴别诊断。目的:通过分析眼底造影图像和BP神经网络的特点,利用BP神经网络对眼底造影图像进行分割,并将其利用到眼科的临床辅助诊断之中。方法:将待分割图像区域分为背景和目标两类,用手工方法得到这两类的样本图像,提取样本图像的特征,如灰度、方差、纹理等;对提取的样本特征值进行归一化处理,输入神经网络分类器,利用BP训练算法进行训练;输入待分类的医学图像,提取图像特征,并进行归一化处理;将归一化后的特征值,输入已训练的神经网络分类器进行分类,得到眼底造影图像的分割结果。结果与结论:本文使用的眼底造影图像分割方法抗干扰能力强,分割的眼底造影图像清晰、内容丰富。可以为眼科医生的临床诊断提供较大帮助。     

冠脉数字造影图像血管分割方法研究

为了从冠脉数字造影图中提取具有复杂形态结构的血管，以便于血管临床心血管疾病的定量分析与诊断，我们对造影图像设计了一种有效的血管分割算法，然而为了获得更加准确的血管形态，我们对造影图像和掩膜图像进行匹配减影，然后再从减影图像中分割血管，实验结果表明这样分割得到的血管较直接从造影图像分割得到的血管更加准确。     

An Unsupervised Approach for Extraction of Blood Vessels from Fundus Images

Pathological disorders may happen due to small changes in retinal blood vessels which may later turn into blindness. Hence, the accurate segmentation of blood vessels is becoming a challenging task for pathological analysis. This paper offers an unsupervised recursive method for extraction of blood vessels from ophthalmoscope images. First, a vessel-enhanced image is generated with the help of gamma correction and contrast-limited adaptive histogram equalization (CLAHE). Next, the vessels are extracted iteratively by applying an adaptive thresholding technique. At last, a final vessel segmented image is produced by applying a morphological cleaning operation. Evaluations are accompanied on the publicly available digital retinal images for vessel extraction (DRIVE) and Child Heart And Health Study in England (CHASE_DB1) databases using nine different measurements. The proposed method achieves average accuracies of 0.957 and 0.952 on DRIVE and CHASE_DB1 databases respectively.     

基于数学形态学的视网膜血管提取算法

目的 影像中血管的分割与特征提取,对疾病的早期诊断具有重要意义。针对很多视网膜血管提取算法分割精度不高的问题,提出了运用数学形态学中的高帽变换的方法对其进行检测。方法 首先,选取结构元素为“圆盘形”的形态学对图像进行高帽变换,经过高帽变换后的图像平滑了图像的背景,同时增强了血管在图像中的对比度。其次,对变换后的图像利用Otsu＇s自动分割法对图像进行阈值分割得到血管的二值图像。再次,根据血管在图像中的结构信息和几何信息,利用基于连通域度量的方法,设置连通域的“面积”和“长宽比”两个阈值,去除虚假目标。最后,为保持血管的连续性,对图像进行一次膨胀运算,可将断裂的血管连接起来,减小了实验的误差。结果 通过上述步骤实现了对血管的提取。结论 结果表明,本文算法能有效提取视网膜眼底图像的血管网络,有较强的分割精度。     

A Fast and Fully Automatic Method for Cerebrovascular Segmentation on Time-of-Flight (TOF) MRA Image

The precise three-dimensional (3-D) segmentation of cerebral vessels from magnetic resonance angiography (MRA) images is essential for the detection of cerebrovascular diseases (e.g., occlusion, aneurysm). The complex 3-D structure of cerebral vessels and the low contrast of thin vessels in MRA images make precise segmentation difficult. We present a fast, fully automatic segmentation algorithm based on statistical model analysis and improved curve evolution for extracting the 3-D cerebral vessels from a time-of-flight (TOF) MRA dataset. Cerebral vessels and other tissue (brain tissue, CSF, and bone) in TOF MRA dataset are modeled by Gaussian distribution and combination of Rayleigh with several Gaussian distributions separately. The region distribution combined with gradient information is used in edge-strength of curve evolution as one novel mode. This edge-strength function is able to determine the boundary of thin vessels with low contrast around brain tissue accurately and robustly. Moreover, a fast level set method is developed to implement the curve evolution to assure high efficiency of the cerebrovascular segmentation. Quantitative comparisons with 10 sets of manual segmentation results showed that the average volume sensitivity, the average branch sensitivity, and average mean absolute distance error are 93.6%, 95.98%, and 0.333 mm, respectively. By applying the algorithm to 200 clinical datasets from three hospitals, it is demonstrated that the proposed algorithm can provide good quality segmentation capable of extracting a vessel with a one-voxel diameter in less than 2 min. Its accuracy and speed make this novel algorithm more suitable for a clinical computer-aided diagnosis system.     

Automated localization of implanted seeds in 3D TRUS images used for prostate brachytherapy

An algorithm has been developed in this paper to localize implanted radioactive seeds in 3D ultrasound images for a dynamic intraoperative brachytherapy procedure. Segmentation of the seeds is difficult, due to their small size in relatively low quality of transrectal ultrasound (TRUS) images. In this paper, intraoperative seed segmentation in 3D TRUS images is achieved by performing a subtraction of the image before the needle has been inserted, and the image after the seeds have been implanted. The seeds are searched in a "local" space determined by the needle position and orientation information, which are obtained from a needle segmentation algorithm. To test this approach, 3D TRUS images of the agar and chicken tissue phantoms were obtained. Within these phantoms, dummy seeds were implanted. The seed locations determined by the seed segmentation algorithm were compared with those obtained from a volumetric cone-beam flat-panel micro-CT scanner and human observers. Evaluation of the algorithm showed that the rms error in determining the seed locations using the seed segmentation algorithm was 0.98 mm in agar phantoms and 1.02 mm in chicken phantoms.     

Statistical cerebrovascular segmentation in three-dimensional rotational angiography based on maximum intensity projections

Segmentation of three-dimensional rotational angiography (3D-RA) can provide quantitative 3D morphological information of vasculature. The expectation maximization-(EM-) based segmentation techniques have been widely used in the medical image processing community, because of the implementation simplicity, and computational efficiency of the approach. In a brain 3D-RA, vascular regions usually occupy a very small proportion (around 1%) inside an entire image volume. This severe imbalance between the intensity distributions of vessels and background can lead to inaccurate statistical modeling in the EM-based segmentation methods, and thus adversely affect the segmentation quality for 3D-RA. In this paper we present a new method for the extraction of vasculature in 3D-RA images. The new method is fully automatic and computationally efficient. As compared with the original 3D-RA volume, there is a larger proportion (around 20%) of vessels in its corresponding maximum intensity projection (MIP) image. The proposed method exploits this property to increase the accuracy of statistical modeling with the EM algorithm. The algorithm takes an iterative approach to compiling the 3D vascular segmentation progressively with the segmentation of MIP images along the three principal axes, and use a winner-takes-all strategy to combine the results obtained along individual axes. Experimental results on 12 3D-RA clinical datasets indicate that the segmentations obtained by the new method exhibit a high degree of agreement to the ground truth segmentations and are comparable to those produced by the manual optimal global thresholding method.     

基于Metropolis—SA算法的脑部磁共振血管造影图像分割

目的利用三维Markov随机场（MRF）模型分割脑部磁共振血管造影（MRA）。方法MRF的似然概率采用了瑞利分布和高斯混合分布函数,并利用最大期望（EM）算法精确估计出混合参数;先验概率采用Ising—MRF模型,并利用误差试探法估计出正则化参数。为避免利用迭代条件模式（ICM）进行图像分割时常陷入局部最优解,实验提出了基于Metropolis采样算法的模拟退火（SA）技术。结果实现了三维MRF的全局最优解,分割模型可分辨3个体素的细小血管。临床数据采用南方医院影像中心提供的患者TOF-MRA数据（1.5TGE MRI scanner）,空间分辨率0．43mm×0．43mm×0．50mm：原始数据的像素空间大小为512×512×128;实际采用的空间大小和分辨率分别为256×256×64和0．80mm×0．80mm×1．20mm。实验对每一套临床数据采用SA、ICM、MSA算法分别进行分割比较,分割结果存在有限差异,采用15步迭代计算的时间消耗分别为1029S、463S、560S。结论实验通过三维仿真数据分割结果表明,Metropolis—SA迭代求解算法能够实现更低的全局误差．并且实际脑部MRA数据的分割与最大密度投影相比较．反映出较好效果．     

结合管状特征的胆囊动脉血管分割及Calot三角三维成像

目的 探讨结合血管管状特征的胆囊动脉血管分割方法以及三维可视化胆囊三角（Calot三角）的可行性.方法 采集13例患者多层螺旋CT扫描图像,利用结合血管管状特征的三维区域生长算法,分割出胆囊动脉及与其相连的动脉血管,通过自主研发的三维重建软件CalotShow 1.0对所采集数据进行三维可视化研究.结果该方法能有效分割胆囊动脉,获得直观的Calot三角三维可视化模型.结论利用结合管状特征的胆囊动脉血管分割方法以及CalotShow1.0三维重建软件,能够准确显示胆囊动脉与Calot三角毗邻关系和空间构象.     

超声图像血管分割的研究进展

主要阐述超声图像血管分割算法及其评价指标。基于特征提取的经典图像处理算法不能摆脱对人工的依赖,削弱了分割算法的泛化能力;但对于缺乏大样本超声血管图像的研究场景下,充分利用传统且成熟的技术方法却是一种可行的研究办法。基于机器学习的算法提高了分割算法的泛化能力,改善了传统方法的短板;但深度学习技术对数据的依赖性强、可解释性差,其算法的有效性、稳定性还需深入研究。血管分割评价算法的研究极其重要,研究适合超声图像血管分割的客观评价方法也是重要课题之一。总之,传统方法仍然是解决超声图像血管分割的有效方法,传统方法与深度学习技术的紧密结合是未来的发展趋势。