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。     

自适应带宽均值漂移脑部磁共振成像肿瘤分割

为了得到均值漂移的自适应带宽并更精确地分割出脑部磁共振成像(MRI)的肿瘤,本文提出了一种改进的均值漂移方法。首先利用脑部图像的空间特征去除MRI图像中的头骨,消除头骨对分割的影响;然后根据脑部不同组织(包括肿瘤)在空间上集聚的特征,利用边界点得到优化的初始均值以及相应的自适应带宽,从而提高肿瘤分割的精度。实验结果表明,与固定带宽均值漂移算法相比,本文方法分割肿瘤更为精确。     

基于深度学习的医学计算机辅助检测方法研究

针对自动检测医学图像中指定目标时存在的问题,提出了一种基于深度学习自动检测目标位置和估计对象姿态的算法。该算法基于区域深度卷积神经网络和目标结构的先验知识,采用区域生成候选框网络、感兴趣区域池化策略,引入包括分类损失、边框位置回归定位损失和像平面内朝向损失的多任务损失函数,近似优化一个端到端的有监督定位网络,能快速地对医学图像中目标自动定位,有效地为下一步的分割和参数自动提取提供定位结果。并在超声心动图左心室检测中提出利用检测额外标记点(二尖瓣环、心内膜垫和心尖),能高效地对左心室朝向姿态进行估计。为了验证算法的鲁棒性和有效性,实验数据选取经食管超声心动图和核磁共振图像。实验结果表明算法是快速、精确和有效的。     

面向儿科超声心动图双侧心室分割的注意力引导网络

由于儿童心脏大小随年龄变化显著，且儿童心率较快，超声心动图心脏边界相较成人更模糊，因此儿科超声心动图的准确分割是一项具有挑战性的任务。针对上述问题，本文提出了一种结合通道注意力和尺度注意力的双解码器网络模型。首先，利用结合深监督策略的注意力引导解码器，获取心室区域的注意力图；然后，将产生的心室注意力通过跳跃连接返回到网络的多个层，调整编码器生成的特征权重，突出左右心室区域；最后，通过尺度注意力模块和通道注意力模块强化左右心室边缘特征。实验结果表明，本文所提方法在所采集的双侧心室分割数据集中，平均戴斯系数（DSC）达到90.63%，优于医学图像分割领域一些常规和最新方法，尤其在心室边缘处分割更清晰。本文的研究可为儿科超声心动图双侧心室分割以及后续先天性心脏病辅助诊断提供新的解决方案。     

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。     

基于超声心动图的二叶式主动脉瓣钙化病灶自动分割算法

目的 提出一种基于超声心动图（echocardiography, ECHO）的二叶式主动脉瓣钙化病灶（bicuspid aortic valve calcification,BAVC）自动分割算法，以提高BAVC识别效率。方法 选取BAVC患者的ECHO，应用迭代均值滤波器、一二阶全变分和指定直方图均衡化算法对其进行降噪、灰度平衡化的图像预处理；根据钙化阈值特征，应用阈值滤波器、8邻域原理获取钙化病灶的初始轮廓，并根据ECHO中主动脉瓣的大小和位置特征，自适应地选择初始轮廓作为初始种子区域；根据钙化阈值、迭代终止条件、自适应调整迭代次数等相关参数，自动分割BAVC区域。将自动分割的结果与手动分割结果进行比较，并分析ECHO中不同的椒盐噪声（salt and pepper noise,SPN）及斑点噪声（speckle noise,SN）对分割结果的影响。结果 所建立的自动分割算法的平均处理时间、平均迭代次数分别达到了4.747 s、31，像素精确度（pixel accuracy,PA）、交并比（intersection-over-union,IoU）、Dice系数（Dice coeff...     

基于改进SymRG算法的腹主动脉瘤分割及自动定位方法

腹主动脉瘤是腹主动脉的局限性退化扩张,是一种高危致死性疾病。CTA是临床诊断腹主动脉疾病的首选方式。腹主动脉瘤的准确快速提取和定位对于腹主动脉瘤的诊断、预后评估以及手术计划的制定有重要意义。因此,本文提出了一种能够准确有效地实现腹主动脉内腔分割和瘤区层片自动定位的算法。首先,对CTA图像进行滤波预处理;其次,应用改进的快速对称区域生长算法,分别对单像素和合并的一维和二维区域进行判别和生长,标定连通区域;然后,用种子点提取目标三维连通区域,即为腹主动脉内腔;最后,计算腹主动脉内腔的横截面面积分布,自动定位瘤体位置。通过4例由GE64排容积螺旋CT扫描采集的胸部到左右髂动脉的CTA数据验证,本算法能实现腹主动脉内腔的准确分割和瘤区层片自动定位,自动分割结果和手动分割结果重合率达到95%以上,自动定位瘤区层片与手工标定的瘤区层片重合率达到96%以上。本文中提出的算法能够准确有效实现腹主动脉内腔的分割和瘤区层片的自动定位。     

超像素有偏观测模糊聚类的乳腺超声图像分割

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用,并直接影响到后续的分析、处理工作。乳腺组织的特殊性导致了其超声图像纹理复杂、噪声明显、对比度较低,临床应用难以准确自动分割,诊断较依赖于人工观测。针对此问题提出一种基于超像素和模糊聚类技术相结合的图像分割算法。采用紧密度自适应的简单线性迭代聚类产生超像素,实现初步划分,减小计算量;计算各超像素的特征向量组成集合;采用聚类有效性分析和有偏观测模糊C均值聚类将特征向量分类,实现目标区域的有效分割。采用此方法对20帧乳腺超声图像进行图像分割实验,采用基于区域的评价准则对分割结果进行量化评估,评估结果表明真阳性为92.87%±2.98%,假阳性为11.05%±2.75%,相似性为83.39%±3.64%,取得了较好的分割结果。对乳腺肿块超声诊断的辅助方法研究具有探索意义。     

三维超声心脏图像的模糊聚类分割

采用三维超声心动图对小儿先天性心脏病进行诊断与治疗能达到比传统二维超声心动图更直观的效果.然而由于超声图像质量较差,三维超声心动图的可视化效果往往无法达到医生的要求.本文对三维超声心脏图像进行分割,以改进超声图像的可视化效果,并为参数提取等提供基础.首先采用快速的模糊c均值聚类得到初始分割结果;然后利用图像多分辨率技术进行修正;接着结合图像的对比度进行进一步的分割;最后,把处理后的图像用绘制的方法显示出来.本文的结果对超声图像的可视化效果有一定的改善.     

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。     

肺部疑似病变区域的自动提取方法及应用

目的:研究肺癌计算机辅助诊断中疑似病变区域的自动提取算法及其实际应用效果.方法:作者在分析肺部CT图像之后,根据图像的特点,首先采用合适的算法提取出肺实质,然后利用本文所介绍的三种算法来提取疑似病变区域,并对提取结果进行分析比较.结果:通过对阈值法,K均值法以及模糊C均值法的实际处理结果进行比较发现,三种方法都能有效的提取出肺部疑似病变区域.但从算法效率及提取结果等角度综合考虑,K均值法更适合用来提取肺部疑似病变区域.结论:利用K均值法能够很好的提取肺部疑似病变区域,同时该算法运行的效率很高.     

结合置信连接度的自适应模糊连接度的MRI图像中丘脑分割算法研究

目的立体定向神经外科手术中,丘脑及其子结构神经核团作为靶区,常被用于治疗癫痫和锥体外系疾病。利用计算机对丘脑神经核团进行分割,对于神经外科疾病的诊断与治疗具有重要的研究价值。为提高丘脑神经核团的分割精度,简化人工操作,减少人工干预,避免主观影响,本文提出一种结合置信连接度的自适应模糊连接度混合算法,用于分割丘脑结构。方法本文算法在基于模糊连接度的框架内增加图像梯度特征,采用自适应权重及自动选取感兴趣区域的方式,对10例人脑MRI图像数据的丘脑结构进行分割。结果实验结果与专家指导下的手工分割结果进行比较,并对两者之间的相似度进行量化比较。结果表明该算法在减少人工干预的同时保证了较高的准确率。结论结合置信连接度的自适应模糊连接度丘脑及其子结构分割算法在计算速度和精度上均优于传统模糊连接度算法。     

基于改进支持向量机算法的超声图像分割技术

超声图像的边缘分割受到噪声影响,基于传统支持向量机(support vector machine,SVM)超声图像分割过程存在较大缺陷。提出一种基于改进SVM算法超声图像分割算法。采用分区域特征匹配方法,进行二维超声图像的分块融合性检测和特征块匹配,根据超声纹理的规则性特征分量进行病理边缘特征提取,利用提取的精度作为约束条件,优化SVM分割过程,进行超声图像分割过程的自适应分类,实现对超声图像的快速分割。仿真结果表明,采用该方法进行超声图像分割的精度较高,对超声图像的病理特征识别能力较好,结构相似度信息较强,提高了超声图像检测和诊断分析能力。     

基于T-Snake模型的超声左心室心肌分割方法的研究

提出一种基于T-Snake模型的超声图像中左心室心肌分割的新方法。首先,将自适应加权中值算法引入基于窗口的各向异性扩散滤波方法,有效滤除超声图像中的斑点噪声;其次,根据心脏短轴截面心肌近似成圆形这一先验知识,将图像从笛卡尔坐标转换到极坐标,提高后续分割方法的鲁棒性;最后,在传统T-Snake模型基础上,增加具有自适应特性的膨胀力和区域能量,可有效提取弱边界和不连续的边界,实现左心室心肌内外轮廓的自动分割。对模拟图像和临床数据进行的实验证明,自动分割结果的平均相对差异度小于5%,平均相对重叠度高于90%,实验结果验证了本方法的可行性。     

基于活动轮廓模型的B超乳腺肿瘤图像分割

乳腺良、恶性肿瘤在形态上存在较大差异,其形态学变化可以作为临床医生判断的重要依据.目前临床广泛使用的超声成像系统采用的是基于阈值的分割方法 或医生手动的分割方法,这对大多数灰度差异不显著的B超图像分割效果不好.本文采用基于形变模型的图像分割算法来分割肿瘤区域,并对自动snake算法做了一些改进,实验结果 表明该算法适用性好,分割结果 接近自然边界,且对B超图像固有的斑点噪声不是很敏感,较好实现了乳腺肿瘤区域的交互式半自动提取.     

一种磁共振脑组织及肿瘤区域的提取方法

脑成像的脑组织准确提取有助于提高研究脑部感兴趣区域的精度,脑部肿瘤图像分割的研究可用于组织三维重建、肿瘤体积计算等.本文使用磁共振图像,首先采用脑提取（brain extraction tool,BET）算法提取出脑组织区域,再利用一种信息熵自动阈值与形态学结合的方法;当提取出脑组织后,利用模糊C均值（fuzzy C-means,FCM）聚类算法对肿瘤区域进行提取,经过中值滤波等步骤,提取出脑肿瘤区域.与专家手工勾画对比,本文较好地提取出了脑肿瘤组织,从而实现了脑组织的自动分割,提高了工作效率.     

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。     

基于配准方法的颅脑CT图像病变信息自动提取算法

医学图像中病变信息的计算机自动提取是实现计算机智能辅助诊断的关键与难点,本研究的目的就是提出一个解决该难题的算法,称之为PATHOINFER。该算法的基本过程是首先选择一幅具有代表性的模板图像帆和一系列与其相应的正常图像样奉Mi,利用非刚性配准分别建立表示“正常图像”灰度变化的灰度均值图谱,表示正常变异的统计概率图谱和反映其解剖结构空间关系的分割模板。以实现对“正常图像”的计算机描述。再通过M0与目标图像S的配准,达到“正常图像”与S在空间关系上的一致,然后通过S与“正常图像”的比较,利用模糊逻辑推理,自动检出S中的病变区域,并实现对其病变特征信息的自动提取。实验结果表明,PATHOINFER算法可自动地检出并分割病变区域,并能够自动地提取包括病变发生部位在内的特征信息。实现了计算机智能辅助诊断研究中病变信息自动提取的难胚。     

基于模糊区域对比度增强的肺实质鲁棒分割

基于阈值操作的肺实质分割对CT图像的对比度敏感,常常造成肺部粘连区域的肺实质分割失败。提出一种融合模糊区域对比度增强与阈值和形态学细化分割的新的肺实质分割算法。首先,根据图像的灰度信息利用线性迭代聚类将图像预分割为多个超像素。然后,根据超像素的灰度统计信息自动定位模糊区域,并进行自适应对比度增强。最后,基于阈值和形态学操作进行细化分割,准确提取肺部粘连区域和肺实质。通过对kaggle肺部数据集30位患者的300张CT图像进行测试,结果表明本研究算法的平均分割准确率(Dice系数)为98.65%,过分割率为0.21%,欠分割率为1.33%,整体分割性能比传统阈值操作和形态学方法有明显提升。     

基于先验概率和统计形状的前列腺超声图像自动分割方法

从经直肠超声图像中自动精确地提取前列腺边界。采用基于先验概率和统计形状的前列腺超声图像自动分割新方法。首先,利用致密尺度不变特征变换,从超声图像中快速定位前列腺;其次,从多个统计形状模型中选择最优模型,在分割过程中,前列腺伪影区域缺失的边界信息可通过形状模型估计;最后,在最优形状模型指导下,采用多分辨率分割方式,利用局部灰度模型和局部高斯分布函数能量的最小化,实现前列腺的自动分割。用30幅超声图像测试得到平均Dice相似系数(DSC)为0.9552,平均绝对距离(MAD)的均值为0.5016 mm。该方法相比传统的形状模型的分割精度有较大提高。