马尔科夫随机场在生物医学图像分割中的应用

目的：建立一种图像分割方法,以适应精确的生物医学图像分析。方法：根据马尔科夫随机场图像模型,利用最大后验概率准则（ＭＡＰ）,提出一种迭代松驰分割算法。结果：在用于生物医学图像以及ＣＴ重建图像的分析事得到较为理想的实验结果。结论：该算法与经典的图像分割算法相比具有分割精度高、可以进行多区域图像分割的特点。     

基于马尔可夫随机场的肝实质分割

介绍了马尔可夫随机场（markov random field,MRF）的基本理论,以及基于MRF的图像分割模型及其求解过程。利用MRF分割方法对肝脏CT图片进行了分割,实验结果表明：该方法能够有效对肝脏实质进行分割,在一些模糊区域有更好的分割效果,可用于CT图像序列中的肝实质自动分割。     

基于模糊核聚类的MR图像分割新算法

在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法.通过对模拟图和仿真的脑部MR图像的分割实验,证明本算法可以有效地分割含有噪声的图像.     

基于纹理特征与条件随机场的宫颈癌病理图像分类研究

目的 使用条件随机场提高宫颈癌病理图像的分类准确率,用以解决传统人工诊断因受主观因素影响过大而造成的判断准确率低的问题.方法 首先,对图像进行了灰度化及网格化的预处理;其次,提取了灰度共生矩阵特征以表征宫颈癌组织病理学图像块;接着,为条件随机场的一元势和二元势选择有效的特征向量组合作为其纹理特征;最后,使用产生的势,通...     

模糊马尔可夫场模型与图像分割新算法

本文建立模糊马尔可夫场模型,并提出基于模糊马尔可夫场的图像分割新算法。该算法同时处理模糊性和随机性,因此能有效获取图像的先验知识。在模糊马尔可夫场与待分割图像之间用经典的马尔可夫场关联。模糊马尔可夫场是经典马尔可夫场的推广,当模糊马尔可夫场失去模糊性时,它将退化为经典的马尔可夫场。给定图像,随即进行模糊化处理;以最大后验概率作为优化准则修正模糊马尔可夫场的隶属度;最后按照最大隶属度原则消除模糊性,从而得到图像的分割。该算法可以有效地虑除噪和消除部分容积效应,得到更为准确的分割结果。     

利用Gibbs距离图Snake模型分割医学图像

目的 提出利用Gibbs距离图Snake模型分割医学图像的算法.该方法能克服医学图像周有的噪声和伪边缘干扰,收敛到正确的目标轮廓.方法 首先推导Gibbs形态学梯度,然后提出基于Gibbs形态学梯度的距离图Snake模型的医学图像分割方法.结果 本文所提出的算法克服了传统距离图Snake模型的上述缺点.结论 本文所提出的方法分割结果鲁棒性好,分割过程无须人工干预,适合应用于临床医学图像分割.     

基于直方图统计快速FCM算法的医学脑部图像分割

针对模糊聚类算法（FCM）在脑部MRl图像分割中存在计算量大的缺点,提出了一种结合直方图峰值信息和统计信息的快速FCM（HF—KFCM）算法。算法首先利用多尺度窗口遍历的方法找到直方图的峰值点,然后将其作为模糊聚类的初始化中心。并采用基于直方图统计的快速聚类方法减少每一次迭代的运算量。仿真结果表明,相比于FCM算法和其他改进FCM算法,该算法的分割结果在聚类有效性和模糊性上提高显著。     

一种基于分水岭和模糊聚类的多级图像分割算法

分水岭算法是一种广泛应用的图像分割工具,它能够自动生成单像素宽度的封闭轮廓。分水岭算法的不足在于它的过分割结果,即生成大量小的封闭区域,使目标物体淹没其中。本文提出一种对分水岭算法过分割结果的模糊聚类方案,首先为每个分水岭区域定义特征量,然后根据这些特征量以及相邻区域之间的分水岭显著性计算两个相邻区域之间的近似程度,进而计算所有分水岭区域的模糊等价矩形,最终形成图像的多级分割结果。本文对多种类型的图像进行了实验。     

基于自监督学习与语义分割相结合的内窥镜白内障图像分割

目的:基于自监督学习与语义分割方法在白内障数据集上训练深度学习模型,分割白内障手术的显微镜图像,以提升算法的准确性和鲁棒性.方法:提出CA-PSP模型实现白内障数据集语义分割,采用自监督模型BYOL预训练模型参数;为了增强网络特征表达能力,在骨干网络加入一个轻量级的网络注意力机制,即坐标注意力模块(coordinate...     

改进FCM算法在颅脑磁共振图像分割中的应用

模糊C均值（FCM）聚类算法广泛应用于医学图像分割中,但该算法在分割低信噪比图像时,会产生较大的偏差。为解决这一问题,本文提出一种改进的FCM算法,充分考虑相邻像素之间的影响,对FCM的目标函数做一定的修改。实验表明,该算法与FCM算法相比,既能有效分割图像,又对低信噪比图像具有很好的分割效果。     

马尔可夫随机场在弥散张量磁共振图像分割方法中的应用

本文利用弥散张量磁共振成像(DT-MRI)的弥散张量信息,引入Frobenius范数,提出了一种基于马尔可夫随机场(MRF)的DT-MRI图像分割新算法.本文实验分别使用该算法和K均值算法对DT-MRI图像进行分割,并将分割结果与FA图像予以评估比较.结果 表明,新算法分割DT-MRI图像的精确度高于K均值算法.另外,新算法分割DT-MRI图像效果优于常规MRI(T2WI)图像.     

基于广义模糊吉波斯随机场的噪声图象分割

基于吉波斯随机场分割模型的图象分割方法是一种常用的重要方法。本文结合广义模糊集理论,针对噪声大的模糊图象分割问题,重新定义了吉波斯场的集团势函数,将广义模糊隶属度引入势函数,建立了新的分割模型。在此基础上用条件迭代模式（ICM）法对图象进行了优化分割。实验表明,该方法能有效地分割退化的模糊图象。     

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。     

基于支持向量机与随机游走结合的GGO型肺结节分割方法

目的:为了提高磨玻璃型肺结节（GGO型肺结节）的分割精度,提出一种基于支持向量机与随机游走相结合的分割方法。方法:利用已手动分割的GGO型肺结节训练支持向量机。由训练后的分类模型在待分割的GGO型肺结节图像中选择种子点,然后利用随机游走算法根据支持向量机选取的种子点进行GGO型肺结节图像分割。结果:该研究纳入150个待分割GGO型结节图像,上述分割算法的平均准确率为98.05%、平均召回率为96.35%和平均F1值为98.05%。与传统方法相比,本方法实现了GGO型肺结节的精确自动化分割,对GGO型肺结节定量、定性分析提供更加准确的客观依据。结论:该方法利用支持向量机选取种子点,并利用随机游走进行结节分割可以有效地对GGO型肺结节进行分割,具有简单高效,准确率高的优点。     

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。     

基于分数布朗随机模型的X线影像边缘检测算法的探索与实践

根据在影像的边缘处,分形的规律性将会被破坏,参数值H将会发生奇异,作者提供了一种基于分数布朗随机模型的X线影像处理方法,从而可以准确判断出X线影像的边缘。对实际仿真效果的分析结果显示,结合分数布朗随机模型的分形参数算法较之其他的边缘检测算法(如Canny算子、Sobel算子等)效果要好,采用该方法能够有效检测X线影像边缘,对提高疾病诊断率、降低治疗成本有重要的现实意义。