基于自适应标记分水岭算法的肝脏CT图像自动分割

目的为减少人工交互提出了基于自适应标记分水岭的CT系列图像肝脏区域自动分割算法。方法首先对图像进行形态学重构运算以平滑图像,然后计算多尺度形态学梯度,同时提出利用梯度图像非零的局部极小值点的均值进行自适应标记提取,以避免分水岭的过分割和欠分割,再结合肝脏为最大的实质性脏器和相邻图像的相似性实现CT系列图像的肝区自动分割。结果该算法能自动、快速地提取CT系列图像中的肝脏区域。结论分水岭算法能准确定位区域的边缘,通过选择合适的阈值对梯度图像进行标记以抑制分水岭的过分割,实现医学图像中感兴趣区域的自动分割。     

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。     

基于数学形态学人脑MR图像感兴趣区域的提取

背景:在人脑MRI图像中感兴趣区域提取中,应用数学形态学方法取得了较好的效果,但是在抗噪性能和结构元素选取时存在一些不足之处,使得提取效果有缺陷。目的:在数学形态学的基础上,采用一系列改进的数学形态学方法,以期清晰完整地提取人脑MR图像中的感兴趣区域如脑脊液部位,为医学诊断提供准确信息。方法:首先采用复合形态学滤波去除脉冲和高斯噪声,用高低帽变换进行图像增强,然后用形态分水岭阈值分割提取脑部各成分,对分割出的脑脊液图像进行形态开闭滤波、边缘跟踪和灰度填充后,运用抗噪型边缘检测算子检测出清晰完整的脑脊液区域边缘,最后在原图像中用彩色标定,突出感兴趣区域。结果与结论:综合应用多种数学形态学算法,清晰完整地提取了人脑MRI图像中的感兴趣区域——脑脊液部位。经验证,该方法具有简单、快速、精度高、适用性强等特点。     

胸部CT中肺实质的提取与辅助诊断

根据临床应用需求,研究胸部高分辨率CT图像中肺实质的提取与量化诊断问题。首先讨论肺区分割与肺实质提取问题,自动分割法采用全局自适应阈值将躯干和背景分离,然后应用轮廓跟踪方法获取到肺部轮廓;人工分割则是在勾勒若干轮廓点后,应用Bresenham扫描线法得到连续的肺部轮廓。利用基于四邻域的背景标记扫描线方法,提取肺部实质区域。最后,根据肺气肿量化诊断标准,进行量化分析与诊断。实验证明,该方法能快速、准确地分割肺实质,实现肺气肿的量化分析与辅助诊断。     

基于数学形态学和Otsu方法的VHP数据心脏图像分割

针对可视人计划的数据提取心脏图像存在自身的多样性以及局部边界不清晰所造成的分割难问题,提出了一种分阶段的分割方法。即在第一阶段引入数学形态学的方法,提出一种基于形态重构的开闭运算与O tsu阈值分割相结合的方法,对原始图像中的感兴趣区域进行预提取,有效的解决了单一阈值分割方法中存在的缺陷;第二阶段利用形态学变换对预提取图像进行精确分割,最终得到心脏图像。实验结果表明,这种分阶段的分割方法在运算效率以及分割精度上都取到了较理想的结果,对可视人计划的实现具有较高的实用价值。     

基于超声图像的乳腺钙化点自动检测技术

当前乳腺钙化点检测方法多基于X光片,难以应用于超声图像,本研究提出基于超声图像的乳腺钙化点自动检测技术,首先将乳腺超声图像中的肿瘤区域通过勾画模板提取出来,基于简单线性迭代聚类算法进行超像素分割;然后提取表征各超像素的特征量来计算显著性图,基于钙化区域显著性进行粗钙化点分割;最终对分割后的粗钙化点进行形态学检测,达到对超声图像中的细钙化点自动检测。该方法取得了较好的分割效果,具有较强的鲁棒性,为形成具有普适性的肿瘤自动诊断方案奠定了研究基础。     

基于CT图像的肺气管树3D分割方法的研究

目的:对肺部气管树的分割在临床上具有重要应用价值。针对目前肺气管树分割存在的问题,本文提出了一种结合区域生长和形态学方法的气管树3D分割的方法。方法:首先,采用基于3D联通区域与形态学的方法分割出CT序列图像中的肺实质;其次,利用3D区域生长法初步提取气管树;然后,利用形态学分割方法选取细小气管候选区域,并与上一步分割结果合成三维肺气管区域;最后,再次利用区域生长法去除伪气管区域,提取出最终的气管树。结果:实验结果表明,三维区域生长方法能够很好地获得气管/主支气管、段气管及主要的气管分支,而形态学方法能够有效地检测出细小气管区域。所以利用本文方法可以简单、有效地提取出肺气管树,并防止区域生长过程中的遗漏现象。结论:本文方法可为肺部气管的定量分析奠定基础,具有十分重要的临床诊断意义。     

基于MATLAB的CT肝脏肿瘤图像分割

目的 将CT图像中的肝脏肿瘤部分进行准确分割.方法 利用MATLAB平台对CT肝脏肿瘤图像进行预处理,并结合灰度转换、二值化处理、反色处理、形态学处理、区域生长法对病灶区域进行分割.结果 组合分割法能够发挥简单、快速、适合小病灶区域的分割特点,实现了肝脏肿瘤组织的分割,分割效果理想.结论 该方法用于肝部肿瘤的分割具有一定的有效性,但对于与周围粘连较多的肿瘤的分割还有局限性.     

Segmentation for CT images of liver neoplasms based on MATLAB

目的 将CT图像中的肝脏肿瘤部分进行准确分割.方法 利用MATLAB平台对CT肝脏肿瘤图像进行预处理,并结合灰度转换、二值化处理、反色处理、形态学处理、区域生长法对病灶区域进行分割.结果 组合分割法能够发挥简单、快速、适合小病灶区域的分割特点,实现了肝脏肿瘤组织的分割,分割效果理想.结论 该方法用于肝部肿瘤的分割具有一定的有效性,但对于与周围粘连较多的肿瘤的分割还有局限性.     

基于肺部CT序列图像的肺实质三维分割

目的:肺实质分割是基于CT图像的肺结节计算机辅助检测技术必不可少的步骤。结合阈值技术、连通区域标记以及形态学技术,提出了一种简单有效的从CT图像中分割三维肺实质的方法,以期能为后续肺结节计算机辅助检测技术的研究奠定基础。方法:首先,将原图像二值化,并应用三维连通域标记去除背景及细小空洞;然后,经三维区域生长法去除气管;最后,经形态学滤波平滑肺边界得到肺部精确的三维模板,并采用该模板从CT序列图像中分割出肺实质。结果:根据对20组层厚2.0mm、每组约250个切片的肺部CT临床数据实验验证,其肺实质分割的平均正确度为91.55%,处理单组数据平均耗时167.4563s。结论:实验结果表明,本文方法能自动快速地从CT序列图像中分割出肺实质。     

基于滑动块的深度卷积神经网络乳腺X线摄影图像肿块分割算法

目的:提出一种基于滑动块的深度卷积神经网络局部分类、整图乳腺肿块分割的算法,为临床诊断提供有效的肿块形态特征。方法:首先通过区域生长算法和膨胀算法提取患者乳腺区域,并进行数据归一化操作。为了得到每一个像素位置上的诊断信息,在图像的对应位置中滑动提取肿块类及非肿块类图像块,根据卷积神经网络提取其中的纹理信息并对图像块进行分类。通过整合图像块的预测分类结果,进行由粗到细的肿块分割,获得乳腺整图中像素级别的肿块分割。结果:通过比较先进的深度卷积神经网络模型,本文算法滑动块分类结果DenseNet模型下准确率达到96.71%,乳腺X线摄影图像全图肿块分割结果F1-score最优为83.49%。结论:本算法可以分割出乳腺X线摄影图像中的肿块,为后续的乳腺病灶诊断提供可靠的基础。     

基于Random-Walk算法的DR图像分割方法

本文算法对原图像进行快速Mallat小波分解得到骨干图后,利用其高频子带梯度信息优化边的权重,并在概率阈值的准则下对争议区域做进一步划分,最后把最大到达概率所在类的标签赋予未标定顶点,并扩展到原图像,得到分割边界。用微软GrabCut分割数据库图像和实际DR图像对该算法进行了验证,该算法能快速而有效地分割出特定的图像,适用于DR图像的分割,为进行组织增强和进一步提高DR图像质量打下基础。     

基于形态学的均值平移算法的神经元干细胞图像的自动分割

在神经元干细胞的图像分析中,准确快速的图像分割是干细胞分化增值自动追踪系统的基础。为了准确地分割低对比度的灰度神经元干细胞图像,本研究提出一种基于形态学运算和均值平移算法的神经元干细胞分割方法,称其为形态学的均值平移算法。此算法可以快速地获得任意形状细胞的图像,并且能检测到图像中多连接边缘不封闭的细胞。将此方法应用于神经元干细胞序列图像分割中并且将其与门限分割、水线分割和活动轮廓进行对比。实验结果证明,与其它的方法相比,此方法获得的细胞分割形状更接近于真实细胞的形状,并且能获得或接近于原始图像中准确的独立细胞数目。此方法可以获得正确的分割结果,为进一步图像处理奠定了良好的基础。     

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。     

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.     

基于改进空间模糊聚类的DTI图像分割算法

针对模糊C均值(FCM)聚类算法初始聚类中心选择的随机性和噪声的敏感性等问题,提出一种基于改进空间模糊聚类的图像分割算法来分割人脑DTI图像。使用局部密度核函数和中心距离函数精确选取初始聚类中心,不仅可以解决因聚类中心随机选取造成的聚类效果不稳定的问题,而且还可以使目标函数迅速收敛,提高分割效率;通过将正态分布空间信息融入模糊隶属度函数,能减小图像噪声以及人为因素对分割结果的影响。用该方法与FCM、SFCM方法对人脑DTI数据进行分割,以评价算法的聚类效果。实验对美国明尼苏达大学生物医学功能成像与神经工程实验室提供的58例DTI数据、3例FA参数图像以及6例迭加过噪声的人脑DTI图像进行分割,结果表明:该算法分割系数最高,可达到0.984 1;在同一图像中,该算法在划分系数上比FCM最高提升20.2%,并且在划分熵上比SFCM最高下降19.8%;该算法目标函数平均迭代次数为32,较FCM的52次与空间FCM的76次有明显降低。实验证明,该算法能够准确、快速地分割出重要目标,且对图像噪声不敏感。     

A Tongue-images Segmentation Method Based on Local Restoration and Watershed Algorithm

Objective: To propose a method to segment tongue-images efficiently, and extract tongue-body accurately and quickly. Methods: Firstly, a kind of color-images' pre-processing technique was used to solve tongue-surface reflection problem. Neighbouring and similar region's information was used to restore the region with tongue-surface reflection problem by replacement. Secondly, the restored image was transformed into a gray one, and then processed by mathematical morphological operation-dilation to get a closed-loop edge. The third technique used was watershed algorithm, which is an usual tool in image segmentation. 'Watershed' function of matlab software was used to complete this algorithm. After that, region-combination technique was used. Through measuring neighbourship and similarity of regions, a non-objective and non-background region was merged into one of its neighbouring regions. This step was repeated until only two regions, objective and background regions, were left in the image. At last, corresponding to the merged image, tongue-body image was got from the original image. Results: 316 images were randomly taken from the image library for experiments, and 299 images were correctly segmented, so, the successful ratio is 94.62%. On the other hand, average time of running this method was about 50 s under whole sampling environment. Conclusion: The method presented in this paper can segment a tongue-body image from its original one effectively, and thus laying a good foundation for the following analysis work.     

基于改进图割的超声瞳孔图像分割与直径测量

传统的瞳孔直径测量是通过医生手工标定,对于眼外伤和丧失意识的患者测量不方便。针对瞳孔直径测量的人工交互量大且测量鲁棒性不强的问题,采用图割算法分割瞳孔超声图像并测量瞳孔直径。对传统图割算法进行两个方面的改进,采用自适应阈值的区域生长代替人为种子点选取,在保证分割效果的基础上减少了图割的交互量;在能量函数的数据项部分增加图像的梯度信息,减少了原始算法分割结果中出现的小区域,增强了对弱边缘的分割。最后,对采集到的超声瞳孔图像进行自动分割、自动测量瞳孔直径,可以得到患者瞳孔的直径动态变化,给临床诊断提供依据。为了验证算法的有效性,对10位患者的动态瞳孔超声图像进行基于改进图割的瞳孔直径测量,并与医生的手动测量结果对比。结果表明,本方法的结果与医生手动测量结果的绝对误差小于0.2 mm,相关系数不小于0.83。通过改进图割算法,改善了分割效果,实现了超声瞳孔动态图像的自动直径测量,并可有效代替瞳孔直径的人工测量,减少人工交互量。     

基于Gibbs随机场的有限混合模型改进与脑部MR图像的稳健分割

有限混合(FM)模型已经广泛地应用于图像分割，但是由于没有考虑空间信息，导致分割的结果对噪声很敏感，分割出的区域存在很多杂散的孤立点。本文Gibbs随机场理论的指导下，将空间信息引入FM模型，提出了改进的脑部MR图像分割算法。此外，由树形K平均聚类来估计初始参数，实现了全自动的图像分割。本研究进行了仿真MR图像和真实MR图像的分割实验，定量的数据分析表明，我们所提的改进算法对噪声不敏感，可以更精确地将脑部MR图像标记为灰质、白质与脑脊液三种组织类型。