利用知识库实现对心脏MR图像的自动分割

目的 研究如何实现对心脏ＭＲ图像的自动化分割问题。方法　通过对图像特征参数的训练,从而有效提取和利 用先验知识。结果　实现对心脏ＭＲ图像的自动化分割。结论　通过提取和利用心脏ＭＲ图像的先验知识,能够很好地 实现心脏分割算法的自动化。     

椭球先验约束的前列腺磁共振图像分割

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,提出一种新的椭球先验约束下的前列腺MR图像多图谱分割算法.方法 将多图谱分割与椭球形状先验相结合,在多图谱分割过程中引入椭球先验知识,针对椭球先验约束下的前列腺感兴趣区域进行图谱选择,大大避免了前列腺周围组织与器官对图谱选择造成的干扰;其次,在图谱融合过程中加入椭球先验项进行约束,对通过配准技术引入的前列腺图谱形状先验进行校正和补偿,有效避免了由配准误差引起的错误分割的情况.结果 对50例前列腺MR图像进行分割实验,实验结果表明该算法对前列腺数据的分割精度均在80％以上,平均精度提高到了88.12％.结论 椭球先验约束的前列腺MR图像多图谱分割算法稳定有效,分割结果精确度高.     

一种基于图割的交互式脑膜瘤核磁共振图像分割方法

摘要：为实现脑膜瘤核磁共振（MR）图像的精确分割,本文提出了一种新的基于图割的交互式图像分割算法。该方法首先
提取高维图像特征,然后利用加权KNN（K-Nearest Neighbor）分类器估计待分类像素属于肿瘤与背景区域的概率,并构造
新的能量函数;最后采用图割优化方法对能量函数优化求解。对脑膜瘤MR图像的分割实验表明,本方法较基于灰度信
息的图割方法在精度上有明显提高。     

基于数字人图像分割和识别的新框架

目的：提供一种高层知识引导分割和底层处理向知识归纳相结合的自动分割识别框架,并将该方法有效应用于彩色图像的数字化可视人体数据集（Chinese Visible Human,CVH）内部结构的自动分割和识别中.方法：首先利用分类标签在CVH2图像中提取脑干部分的图像,用Otsu获取阈值进行图像增强,将脑干轮廓作为分割的初始化轮廓,运用Level Set方法来实现精细化的分割：利用周长和质心位置建立联合判别函数,并对分割结果进行分类识别.结果：该算法准确对CVH2数据集脑干内黑质、中脑水管进行自动分割和识别,通过Amira软件三维重建分割结果获得较好的重建效果,并与手动分割结果保持了较好的一致性.结论：该框架能够实现数字人图像自动的多目标精细分割和识别,为知识引导的自动图像分割和识别提供了新的方法.     

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。
     

序列颅脑CT图像颅腔内结构自动化提取及分割

目的自动化提取和分割序列颅脑CT图像颅腔内结构。方法本研究首先利用颅脑CT的解剖学结构,基于区域生长法和形态学方法提取出序列颅脑CT颅腔内结构。然后针对应用EM（期望最大化）算法分割图像时,初始值选取难点,提出了一种改进的基于参数受限高斯混合模型的EM分割算法,实现了对颅内结构的有效分割。结果实验结果表明,该算法能够实现从颅底到颅顶的所有CT图像颅腔内结构的计算机自动化提取和分割,结果准确。结论本文算法在绝大多数情况下是有效的。     

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。
     

基于粗糙熵和K-均值聚类算法的图像分割

针对基于粗糙熵的图像分割算法不能满足复杂图像的多类目标提取的需要,本文先利用K-均值聚类算法对图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。通过对遥感图像进行分割处理,证明了改进后算法的有效性。     

改进的KNN算法及其在医学图像处理中的应用

目的利用最近邻KNN算法对MR图像分割时，要靠人的经验从图像中选出部分像素作为训练样本，本文就是为了减少人的劳动并且使算法自动进行。方法用速度快的k-均值聚类算法得到的聚类中心作为参考，将与之相近的部分像素作为训练样本。此外，在应用KNN方法前，还利用边界跟踪法剔除人脑MR图像中颅骨和肌肉等非脑组织，避免非脑组织对大脑结构分割的干扰。结果能较好地将MR图像分割出脑白质、灰质、脊髓三部分图像。结论实验表明，改进的KNN方法减少了对人工的参与，并且取得了很好的分割效果。     

低对比度医学图像全自动分割算法

由于医学图像的对比度较低以及各种组织器官的边缘往往较为模糊,医学图像的分割是医学图像处理中的一个经典难题。如果能将各种分割对象的先验信息加入到分割算法中,将会改善分割效果。针对CT图像中的前列腺器官分割问题,利用水平集函数获得初始分割轮廓,结合从手工分割图像中获得的形状和纹理先验信息,采用遗传算法来演化分割轮廓。仿真实验结果证明该方法能有效地分割出低对比度的医学器官。     

各向异性PDE改进分水岭脑MRI图像分割算法

详细论述了各向异性扩散的PDE(偏微分方程)降噪算法原理,提出一种各向异性扩散的PDE降噪和分水岭算法相结合的脑MRI医学图像分割算法。采用各向异性扩散的PDE降低原始图像噪声,然后利用形态学算法对降噪后的图像进行形态学处理,通过形态学知识提取图像边界。利用图像的几何特征,去除非目标区域,再采用分水岭变换进行图像分割,并通过脑MRI图像验证了此方法的优势。实验结果进一步验证了其可行性。     

基于滑窗技术和对称性分析对MRI脑肿瘤的自动分割

背景：对MRI脑肿瘤的分割是评估治疗反应中至关重要的一个步骤。然而,临床上常用的手动肿瘤分割是一项耗时且艰巨的任务。因此,临床上迫切需要一种全自动的,并且准确性很高的肿瘤分割方法。 方法：我们提出的脑肿瘤自动分割方法是基于大脑对称性的, 通过采用滑窗技术和计算相关系数对肿瘤进行定位,通过阈值分割及形态学方法最终确定分割肿瘤。 结果：通过对10个患者的3维大脑肿瘤 FSPGR MR图像进行测试,结果表明：平均正确定位率为93.4%,每个序列图像的平均Dice 相关系数为0.77,每个序列图像的平均分割时间为40秒。 结论：本文为临床应用提供了一种简单且高效的自动及肿瘤分割方法。同时,实验结果表明相关系数作为一个新特征有望在脑肿瘤定位中得到广泛的应用。     

基于自适应Unet网络的鼻咽癌放疗危及器官自动分割方法

目的 探讨鼻咽癌放射治疗中的危及器官（OARs）的自动分割的准确性。方法 在自动分割模型研究中,经CT扫描和医生手动分割后,选取147例鼻咽癌患者的CT图像及其对应勾画的OARs结构,并对其进行完全随机化分组,分成训练集（115例）、验证集（12例）、测试集（20例）。采用自适应直方图均衡化对CT图像进行预处理。利用端到端训练提高建模效率,实现一种基于三维Unet的改进网络（AUnet）,将器官大小作为先验知识引入卷积核大小设计中,使网络能自适应地提取不同大小器官的特征,从而提高模型的性能。比较自动与手动分割的DSC（Dice Similarity Coefficient）系数和豪斯多夫（HD）距离以验证AUnet网络的有效性。结果 测试集的平均DSC和HD分别为0.86±0.02和4.0±2.0 mm。除视神经、视交叉外,AUnet与手动分割结果无统计学差异（P>0.05）。结论 引入自适应机制后,AUnet能较为准确地实现基于CT图像对鼻咽癌的危及器官的自动分割,临床应用中可大幅度提高医生的工作效率及分割的一致性。     

人脑磁共振图像中海马结构的计算机辅助分割新方法

目的为了降低手工分割MR图像中海马结构的难度,促进相关研究及应用,本文提出了一种计算机辅助分割海马结构的新方法。方法对感兴趣区域应用抗噪边缘检测方法以阈值为零提取所有可能的边界并加亮显示;通过标记区域对角点,恢复非目标边缘区域的像素亮度;对照原图像应用计算机辅助工具进一步完善海马结构的边界,通过调整边界像素点实现精确完整地分割。结果提高了手工分割海马结构的可重复性,降低了工作强度,同时可以达到手工分割的精度。结论尽管本研究方法仍然无法完全摆脱手工处理,但是其操作简单、实用。在自动分割精度尚不能满足临床应用要求的条件下,不失为一种可行的替代方法。     

基于非齐次Markov随机场的无监督图像分割新算法

提出了一种基于非齐次Markov随机场(MRF)的图像分割算法,并运用模糊空间元素的模糊相似度模型,估计非齐次MRF的参数,改进了传统的基于齐次MRF的图像分割算法.通过对模拟脑部MR图像和临床脑部MR图像分割实验,表明该算法比传统的基于齐次MRF的图像分割算法和模糊C-均值等图像分割算法具有更精确的图像分割能力,并且运算简单、运算速度快、稳健性好.     

基于偏微分方程的CT图像分割及其MATLAB实现

CT图像在医学影像领域的应用最为广泛,CT图像的分割对病变区域的提取、组织定位、组织测量以及实现三维重建有着非常重要的作用.近年来,基于偏微分方程的图像分割作为一种比较新颖且有效的图像分割方法,逐渐成为研究的热点.本文对基于偏微分方程(PDEs)的GAC和C-V两种图像分割模型进行了探讨,利用MATLAB语言编程实现.并结合实际CT图像进行了实验研究,为这些模型在CT图像的分割上的应用提供科学依据.     

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.     

一种水平集分割的快速算法

目的 提出一种优化的水平集分割算法实现对医学图像的快速分割。方法 分别通过限定水平集函数求解个数和利用图像自身特征来提高算法的效率和减少参数设定。结果实现对DSA血管树的快速分割。结论 通过优化模板区域内的水平集函数求解个数,并结合图像自身特征可以较好实现对医学图像的快速分割。     

基于融合先验知识的肺结节深度学习分类方法

目的提出一种基于融合先验知识的肺结节深度学习分类方法。方法整体模型中包括图像特征提取子模型、语义提取子模型、语义整合子模型、多模态融合部分等。首先通过本文提出算法将医师标注语义信息转换为模糊one-hot码,然后将区域生长法设定不同阈值的输出图像输入语义提取子模型,模糊one-hot码作为多标签训练模型。最后将已训练语义提取子模型固定权重作为语义提取器置入整体模型中,输入图像分别经过图像特征提取子模型和语义提取子模型与语义整合子模型后通过融合输出预测结果。结果以公开数据集LIDC-IDRI作为实验数据做五折交叉验证,得出模型分类性能准确度88.32%、灵敏度81.86%、特异性93.37%、AUC 0.9220。结论基于融合先验知识的肺结节深度学习模型可较高性能实现肺结节良恶性诊断,可作为辅助影像医师诊断的有效工具。     

基于视觉注意和支持向量机的舌体自动分割方法的探讨

目的探讨基于视觉注意机制和支持向量机(support vector machine,SVM)相结合的舌体自动提取方法,为模式识别方法应用到舌体图像分割提供新思路。方法将舌图像经过视觉特征提取、高斯金字塔多尺度变换,依据多特征图合并策略生成显著图并进行二值化;在不需要人工干预的情况下,从显著区和非显著区分别随机选取正类训练样本和负类训练样本;机器自动学习样本创建SVM分类器,最后用训练好的SVM分类器对完整舌图像进行分割。结果获得的正常舌、裂纹舌、齿痕舌等多种舌象的分割效果良好,没有特征信息丢失的情况,并具有一定的抗噪能力。结论基于视觉注意和SVM舌体自动分割方法在无需任何先验知识的条件下,具有较稳定的分割效果,为模式识别应用到舌体图像分割中作了初步探索。