基于三维动态区域生长算法的肝脏自动分割

目的:研究三维动态区域生长算法在肝脏自动分割中的可行性。方法:首先对CT图像进行预处理,包括插值、各向异性滤波和三维矩阵化处理;然后在预处理过的图像上使用三维动态区域生长算法,得到初始分割结果,算法在执行过程中使用种子点联合26邻域体素灰度均值代替传统的区域生长算法中选取的单一种子点灰度值,并结合动态阈值和双生长准则提高边缘分割精度;最后通过形态学后处理得到肝脏分割结果。结果:利用三维动态区域生长算法的肝脏自动分割结果接近专家手动勾画的结果(戴斯相似系数平均达到0.934),并且其分割速度(每幅图像用时0.64 s)和三维连续性优于手动勾画。结论:三维动态区域生长算法能够精确地分割肝脏,能在腹部肿瘤放疗计划制定中大幅度提高肝脏勾画效率。     

基于Matlab距骨快速图像分割与动画生成的算法

背景:骨科手术导航是利用计算机和机器视觉技术,使医师在计算机屏幕的指导下完成接骨手术。为了后续定位工作的开展,首先必须基于CT图像序列在计算机上对下肢骨进行图像分割、三维重建和动画显示,并对其位姿进行测量。目的:在计算机上快速自动地实现距骨图像的分割、三维可视化及动画显示,为建立新型的足部手术导航系统搭建计算机显示平台。方法:基于足部CT图像序列,提出下列算法并采用Matlab编程实现:①基于最大熵原则对足部图像进行阈值分割以提取其中所有足部骨骼。②将形态学算法与Live-wire算法相结合快速自动地从该足部骨骼图像中分割出距骨。③利用移动立方体法对距骨表面进行三维重建。④采用图形学函数生成与显示距骨旋转的动画场景。结果与结论:实验结果表明,上述算法准确度高且以较少的时间在普通PC机上实现了距骨的三维可视化工作,可应用于足部手术导航的计算机显示平台中。     

基于主动轮廓的三维气管树自动分割方法

在计算机辅助手术领域,对CT图像中肺部区域的气管和支气管进行准确分割和提取具有重要意义。气管和支气管的分割提取有助于手术的导航参考,准确的提取结果有助于避免手术中对支气管的损伤。本文设计了一种全自动的三维肺气管分割算法:首先,将基于主动轮廓的GCS方法引入到肺气管分割当中,在三维图像中得到粗分割结果;然后,利用灰度重建的方法将粗分割结果中分离的部分变得连通;最后利用三维区域生长提取支气管树。实验结果表明,本文方法能够稳定地分割出不同病例的支气管树,与自动阈值区域生长分割结果相比较,本文结果在支气管分叉数上有很大的提升,最少提升有28%,最多达86%。     

基于模糊连接度的多发性硬化症MR图像自动分割算法

多发性硬化症(MS)是一种严重威胁中枢神经功能的疾病,利用磁共振成像技术能够无损伤地检出其病灶。为了自动地对多发性硬化症病灶进行分割,提出了基于模糊连接度的分割算法,实现了种子点的自动选取。作为多发性硬化症分割的预处理,针对脑部MR FLAIR图像的特征,基于区域增长方法,还提出了脑部组织提取算法。通过对临床患者MR图像的分割实验,表明该分割算法能够比较准确地分割多发性硬化症病灶,其分割效果明显好于模糊C-均值聚类算法和基于马尔可夫场模型的分割算法。该算法还具有无监督、运算速度快、稳健性好等优点,能够应用于多发性硬化症的临床辅助诊断。     

基于Prewitt算法的颅内CT图像病灶分割算法

针对颅内CT图像病灶周围存在大量噪声,分割结果欠佳的问题,本研究提出基于Prewitt算法的颅内CT图像病灶分割算法。首先采用改进型中值小波去噪算法,去除颅内CT图像中的噪声点,优化图像质量;然后使用基于Prewitt算法的图像分割法,完成去噪后CT图像的病灶分割。结果表明,本研究算法在分割颅内CT图像病灶时,错分率为对比算法的1/10,并可将颅内CT图像的噪声点全部去除。说明该算法对颅内CT图像病灶的分割可行性,可用于颅内CT图像病灶分割。     

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。     

基于灰度和形状的非刚性图像配准算法的研究

提出一种新的灰度和形状信息相结合的全自动同模态医学图像非刚性配准-分割算法,将欧氏距离表示的形状信息融入基于灰度的配准算法中,构造出新的代价函数.该算法在医学图像多目标分割的应用中,能够较好地完成灰度相近、边缘模糊、间距较小的不同结构的分割.对5组真实脑部MRI图像进行分割脑深层灰质结构的实验,结果表明,本算法优于基于灰度信息的图像配准算法.     

由DICOM医学图像文件获得设备无关位图的方法

目的:根据临床调查.DICOM3.0医学图像文件格式的解析及解决其显示问题是医学图像处理的基础,对医学影像技术的研究有重要意义.方法:首先针对DICOM3.0标准,系统分析了DICOM医学图像文件格式,主要阐述了文件信息头和数据元素的格式,提出了在Windows平台下利用线性调窗实现DICOM图像的DIB位图显示.结果:利用线性调窗成功实现了CT、MR图像的显示,同时针对默认状态下显示效果欠佳,采用手动调窗改善显示效果.结论:实验证明,该方法能较好地实现DICOM医学图像的显示,满足一定的临床需求,同时也为后续工作奠定基础.     

基于数学形态学的CT图像肝脏肿瘤提取研究

目的 肝脏肿瘤的提取是肝脏三维可视化、手术规划和模拟的基础,而当前肿瘤分割存在干预过多和分割效果不佳的问题.方法 本文通过对腹部CT图像进行高斯平滑以去除图像噪声和细密纹理,计算出图像的形态学梯度并用高、低帽变换进行增强,再根据用户选择点计算内部和外部标记符,然后基于控制标记符的分水岭算法分割图像,提取出腹部CT图像中的病变组织.结果 实验结果表明,该算法能够在较少的人工干预下快速分割出肝脏病变组织.结论 该算法实现了腹部CT图像中肝脏病变组织的提取.     

Segmentation of liver tumors for CT images based on mathematical morphology

目的 肝脏肿瘤的提取是肝脏三维可视化、手术规划和模拟的基础,而当前肿瘤分割存在干预过多和分割效果不佳的问题.方法 本文通过对腹部CT图像进行高斯平滑以去除图像噪声和细密纹理,计算出图像的形态学梯度并用高、低帽变换进行增强,再根据用户选择点计算内部和外部标记符,然后基于控制标记符的分水岭算法分割图像,提取出腹部CT图像中的病变组织.结果 实验结果表明,该算法能够在较少的人工干预下快速分割出肝脏病变组织.结论 该算法实现了腹部CT图像中肝脏病变组织的提取.     

基于3D卷积神经网络的肝脏自动分割方法

原发性肝脏恶性肿瘤是我国高发且危害极大的恶性肿瘤。肝脏手术（如肿瘤切除、活体肝移植等）是各种常见肝脏良恶性疾病的主要治疗方法之一。从医学影像中将肝脏组织准确地分割出来,是计算机辅助肝脏疾病诊断与手术规划中一个基础且至关重要的步骤。针对肝脏分割的特异性及分割难点,提出3D卷积神经网络（3DCNN）肝脏自动分割算法模型。3DCNN基于对体数据的训练能很好地学习到肝脏图像平面与空间信息。通过将深度监督机制无缝地整合到3DCNN中,能够有效解决梯度消失或爆炸的优化问题,加快收敛速度的同时提高分辨能力。最后,将初始分割结果作为先验信息,采用基于多星凸约束的图割算法做进一步的分割优化。实验结果表明该分割模型能够将肝脏组织从腹部CT图像中精确分割。     

基于改进区域生长算法的肝脏分割方法研究

目的：把肝脏从医学图像中提取出来,为肝脏三维定位以及放疗计划制定提供准确的数据。肝脏与其周围器官组织灰度差别小、边界不明显,而传统区域生长算法生长准则单一,不能满足分割精确度需求,并且未经处理的轮廓比较粗糙。针对这些问题,本文提出一种改进的区域生长算法。方法：本文算法主要从三个方面改进：基于先验经验和肝脏特性的种子区域选择;基于Canny算子边缘检测结果的区域生长准则动态优化;基于漫水填充法和曲线拟合的轮廓后处理。结果：本文使用多套临床实际腹部CT序列测试算法,以医生手动勾画结果为标准进行评价。在大多数CT切片上的肝脏自动分割都能取得较好的结果,并且分割用时很短,保证了效率。结论：测试结果表明,本文算法在动态控制区域生长和平滑轮廓方面有很好的作用,在保证速度的同时有效提高了肝脏自动分割精度。     

Wavelet energy-guided level set-based active contour: A segmentation method to segment highly similar regions

This paper introduces an approach to perform segmentation of regions in computed tomography (CT) images that exhibit intra-region intensity variations and at the same time have similar intensity distributions with surrounding/adjacent regions. In this work, we adapt a feature computed from wavelet transform called wavelet energy to represent the region information. The wavelet energy is embedded into a level set model to formulate the segmentation model called wavelet energy-guided level set-based active contour (WELSAC). The WELSAC model is evaluated using several synthetic and CT images focusing on tumour cases, which contain regions demonstrating the characteristics of intra-region intensity variations and having high similarity in intensity distributions with the adjacent regions. The obtained results show that the proposed WELSAC model is able to segment regions of interest in close correspondence with the manual delineation provided by the medical experts and to provide a solution for tumour detection.     

Registration-based Automatic 3D Segmentation of Cardiac CT Images

Segmenting whole heart from cardiac computed tomography(CT images can provide an important basis for the evaluation of cardiac function and help improve the accuracy of clinical diagnosis. Manual segmentation is the most accurate method for cardiac segmentation. But it is time consuming and not sufficiently reproducible. However, clinicians still rely on this method in practical applications. So a fully automatic method is needed to improve the segmentation efficiency. This pape proposes a registration-based automatic approach for three-dimensional(3D segmentation of cardiac CT images. The proposed method utilizes the similarity o cardiac CT images between different individuals, and uses registration to achieve the segmentation. Affine transformation is firstly implemented to achieve global coarse registration. Then, cubic B-splines are used to refine the local details in locally accurate registration. Mutual information(Ml) is used as the similarity measure, and adaptive stochastic gradient descent(ASGD) as the optimization algorithm. Ou method is applied to the dual-source cardiac CT images to segment whole heart Experimental results show that the proposed method can automatically segment whole heart from cardiac CT images.     

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。     

分水岭算法在CT图像分割中的应用

目的：分水岭算法在图像分割领域得到了广泛的应用,但单独使用分水岭进行图像分割因为对噪声的抑制能力弱以及对大多数图像易产生过分割现象而变得困难。本文针对分水岭算法存在的过分割问题,提出了一种改进的分水岭算法应用于CT图像,能有效的抑制过分割现象。方法：首先对输入图像进行高斯滤波处理,然后通过Sobel算子求图像的梯度幅值,再求出多尺度灰度图,最后进行阈值分割和多尺度变换而达到对图像进行分割的目的,并将其转化成伪彩色图像显示来优化分割结果,在有效处理过分割问题的同时让图像分割后的效果更加明显。结果：仿真结果表明,与传统的分水岭分割算法比较,缓解了过分割问题,得到的分割效果要好很多。结论：本文实验可以有效地将传统的分水岭算法加以改进,将之应用于医学CT图像分割中,从而使图像各个不同的组织轮廓均得到了很好的区分,减少了图像的过分割点数,使图像的各个区域更易判断。     

基于深度学习的2D/3D医学图像配准研究

2D/3D配准在临床诊断和手术导航规划中有着广泛的应用,可解决医学图像领域中不同维度图像存在信息缺失的问题,能辅助医生在术中精准定位患者的病灶。常规的2D/3D配准方法主要依赖于图像的灰度进行配准,但非常耗时,不利于临床实时性的需求,并且配准过程中容易陷入局部最优值。提出用深度学习的方法来解决2D/3D医学图像配准问题。采用一个基于深度学习的卷积神经网络,通过网络对数字影像重建技术(DRR)进行训练并自动学习图像特征,预测X光图像所对应的参数,从而实现配准。以人体骨盆的模型骨为实验对象,根据骨盆的CT数据生成36000张DRR图像作为训练集,同时通过C臂采集模型骨的50张X光图像作为验证。结果显示,深度学习算法在相关系数、归一化互信息、欧式距离3个精度评价指标上的测试值分别为0.82±0.07、0.32±0.03、61.56±10.91,而常规2D/3D算法对应的测试值分别为0.79±0.07、0.29±0.03、37.92±7.24,说明深度学习算法的配准精度优于常规2D/3D算法的配准精度,且不存在陷入局部最优值的问题。同时,深度学习的配准时间约为0.03s,远低于常规2D/3D配准的时间,可满足临床对于实时配准的需求,未来将进一步开展临床数据的2D/3D配准研究。     

基于SIFT特征和近似最近邻算法的医学CT图像检索

针对医学X线计算机断层(Computed Tomography,CT)图像,提出了一种基于尺度不变特征变换(Scale InvariantFeature Transform,SIFT)特征和近似最近邻算法的检索方法。首先通过SIFT算法得到图像的特征点和相应的特征向量,再采用近似最近邻算法进行SIFT特征向量的匹配搜索,得到数据库中与参考图像最相似的图像序列。实验结果表明,该法能检索到与目标图像细节相符的结果,大大提高了检索速度。与传统的基于纹理的检索方法相比,查准率和检索结果与目标图像的相似程度方面更佳,符合医学CT图像检索的要求。     

启发式牙颌CT影像自动分割

准确快速地分割CT切片特征轮廓是医学图像三维重建的重要环节。现有的轮廓分割方法必须通过手动层层交互操作,不仅耗时而且分割精度不高。针对这种局限性,提出一种基于启发式牙颌CT影像自动分割方法。首先用拉普拉斯算子对CT图像序列进行边缘增强,其次用轮廓匹配映射技术实现轮廓启发式传递,最后基于收缩包围算法自动分割牙颌序列。以14例完整牙（每例28～32颗牙数据样本）锥束CT断层扫描图像序列进行实验,在相同条件下分别用所提出的轮廓自动提取方法和其他提取方法,对实验样本进行轮廓提取,得到单颗牙轮廓提取的平均用时和提取轮廓与真实轮廓之间的距离差平均值。实验结果显示,轮廓自动分割算法提取单颗牙轮廓的用时约为其他手工分割法提取单颗牙轮廓用时的23%,同时提取的轮廓质量和用传统方法提取的轮廓质量相当。该方法为CT数据特征区自动化分割提供一种可行且高效的方法,为进一步改进现有的CT影像分割和三维重建算法提供了新的思路。