一种分割冠状动脉X射线造影图像的有效方法

目的 提出一种简单有效的方法进行冠状动脉X射线造影图像的分割。方法 基于Hessian矩阵的多尺度滤波和区域增长等算法,其中多尺度滤波用来增强造影图像中的血管,然后利用多种子点区域增长算法从增强后的图像中提取冠状动脉树。结果 该方法对于造影图像中血管状结构非常敏感,能够清晰提取出冠状动脉树中较细小的末梢,并能有效抑制噪声。结论 该方法适合于分割冠状动脉造影,适用于冠状动脉造影的精确量化分析。     

一种基于图像分割的医学图像融合方法

提出一种新的图像融合算法 ,用于临床治疗计划设计时对病灶的确定。文中采用改进的Canny算子对病灶边缘提取方法进行了研究 ,根据局部直方图计算对非目标轮廓进行抑制。通过对图像配准建立空间映射关系 ,将一种图像中的病灶边缘特征与其它相应的图像进行叠加 ,获得具有病灶边缘和解剖结构特征的融合图像。本文的融合算法简单、直观 ,临床实用性强     

乳腺X线图像肿块分割

乳腺肿块分割是乳腺癌计算机辅助诊断(CAD)检测和识别系统中关键的一步.由于乳腺肿块与背景相互交叠、边界不清晰、乳房密度不均匀,使得其分割比较困难.本文基于区域增长算法,研究了利用乳腺肿块自身特征得到最优分割阈值的方法,从而提出一种对乳腺X线图像肿块快速、有效的分割方法.实验结果表明该方法在保证肿块针状化特征情况下,拥有较好的分割效果.     

一种数字胸片图像肺部区域的自动分割方法

数字胸片放射图像由于具有很宽的动态范围，普通的图像后处理方法难以获得满意的效果。采用按解剖区域的自适应处理方法可以获得比较好的效果，但需要进行图像的自动分割。本文介绍一各肯效的肺部区域的自动分割方法。该方法根据胸片图像直方图的特征，自动确定肺部区域和给膈及下膈膜区域的阈值。     

右心轴位X线心血管造影解剖

本文按照右心常规位和轴位(长轴位、右前斜延长位和四腔心位)造影的投照方位,对55例右心铸型和心脏断面标本进行了心脏形态和轴位造影的对照研究。结合临床应用,从解剖学角度详细描述了与右心造影有关的正常心脏的形态结构,如房室口、三尖瓣、右室流出道、肺动脉瓣及肺动脉主干、房间隔和室间隔等在造影中的形态位置和联系。并对室上嵴,隔缘肉柱和节制带等肌束的形态结构也进行了讨论。联系标本对右心常规位和轴位造影进行了对比,显示了轴位心血管X线造影在显示心脏内部解剖结构和先心病诊断的应用中的优越性。     

基于模型的乳腺X线图像胸肌分割算法研究

本文提出了一种基于模型的乳腺X线图像分割胸肌区域的新算法。该算法利用一组不同尺寸的感兴趣区(ROI)作用到乳腺X线图像，进而将每一个ROI得到的最优阎值组合成一条最优阎值曲线以及与该曲线对应的局部均方差曲线。在此基础上，根据我们提出的近似真实乳腺图像胸肌模型的特征，自动确定图像中胸肌区域的最佳分割阈值。最后，使用两段直线粗拟舍和多边形精拟合，精确提取出了阈值化的胸肌边界。通过对多达60幅临床乳腺X线图像的实际测定，得到了比较理想的胸肌边界检测效果。     

冠状动脉血管造影图像三维分割方法

冠状动脉计算机断层扫描血管造影技术已广泛应用于心血管疾病的诊断,冠状动脉的有效分割在冠心病诊断中起着重要的作用。本文提出一种冠状动脉血管造影图像三维分割方法,首先进行数据预处理;然后,利用分水岭算法得到子区域;最后,利用区域生长方法将分水岭子区域合并,实现冠状动脉的三维分割。本文以放射科医生手动标注结果作为标准,验证提出算法的可行性和有效性。实验结果表明,本文提出的分割方法能够有效克服冠状动脉周围组织的干扰,从而取得精确的分割结果。     

一种基于概率配分和最大模糊熵的CT图像分割方法

为了从CT图像中提取到多个组织的解剖特征,克服运算速度快与运算结果不稳定的矛盾,提出了一种基于概率分布和模糊熵的CT图像分割方法。为了找到分割灰度图象的最佳阈值,根据模糊聚类和概率配分之间的关系,以及模糊熵有最大值的必要条件,从而得到各类的概率配分,因此在搜索阈值组合时,先搜索满足各类概率配分的阈值,然后从这些阈值中搜索使模糊熵最大的阈值。实验结果表明该方法能很好地完成CT图象的分割。此算法运算速度较快;与用遗传算法、模拟退火算法相比较,运算结果稳定,分割更准确。     

一种基于组合分割思想的尿沉渣图像分割新方法

本研究针对复杂散焦的尿沉渣图像的精细分割,提出了首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后根据粗分割得到的子图像的情况采用边缘检测或者自适应阈值分割的混合分割方法进行细分割,最后再采用剥离算法处理待分割的粘连重叠成分的分割。该方法不受散焦影响,充分利用了图像的多种信息,因此分割结果准确。实验结果表明,该方法对尿沉渣图像的分割有效且令人满意。     

一种新型的医学图像分割评价方法

通过分析几种常用的医学图像分割评价方法,提出了一种新型的评价方法.此方法不仅能有效地反映出分割结果相比目标轮廓线的偏差最.还能反映出轮廓线附近的波动状况.再者,此方法的结果不仅能横向比较(比较小同算法对同一目标的分割结果),还能纵向比较(比较同一算法对不同目标的分割结果).实验结果证明,本文提出的评价方法具有良好的临床价值.     

一种眼底视盘图像的自动分割方法

本文研究了基于计算机图像处理技术的眼底视盘图像的自动分割方法。首先获取视盘图像的红基色图像,然后根据红基色图像中视盘的明显的边沿特征实现视盘的自动分割。一幅具体的眼底图像实验证明了本方法的可行性。     

冠脉数字造影图像血管分割方法研究

为了从冠脉数字造影图中提取具有复杂形态结构的血管，以便于血管临床心血管疾病的定量分析与诊断，我们对造影图像设计了一种有效的血管分割算法，然而为了获得更加准确的血管形态，我们对造影图像和掩膜图像进行匹配减影，然后再从减影图像中分割血管，实验结果表明这样分割得到的血管较直接从造影图像分割得到的血管更加准确。     

一种基于自适应最小模糊熵的CT图像分割方法

为了从CT图像中提取到多个组织的解剖特征,解决运算速度的提高与运算结果不稳定的矛盾,我们提出了一种基于自适应最小模糊熵的图像分割算法.为了找到分割灰度图像的最佳阈值.首先利用迭代公式以及图像的直方图来计算出每个模糊子集的隶属函数中指数参数的值以及阈值的搜索范围,然后在已确定的搜索范围内用穷举法搜索出能使模糊熵最小的最佳阈值.实验表明该方法能较好的完成CT图像的分割.此算法运算速度较快;与用遗传算法、模拟退火算法相比较,运算结果稳定,重复性更好,得到的图像细节成分要更多些.     

一种基于小波变换的乳腺X线图肿块分割方法

目的：乳腺癌的早期诊断和治疗是能够降低乳腺癌患者死亡率的有效途径。通过乳腺X线图像观察乳腺状况是目前乳腺癌普查的首选影像方法。随着图像处理技术的高速发展,计算机辅助检测技术在乳腺癌的检测方面起到越来越重要的作用。方法：本文首先利用图像处理领域的形态学处理、区域增长等相关知识,对乳腺X线图像进行预处理操作,去除图像中所包含的干扰信息。之后提出一种对图像的灰度直方图进行小波变换,并根据其小波变换的模极大值点确定图像分割阈值的方法对乳腺X线图像中的疑似肿块区域进行粗分割。在通过粗分割过程获得乳腺肿块的大致位置信息之后,再利用区域增长的方法获得肿块的边缘信息。结果：本文选取MIAS乳腺图像数据库中的65幅图像作为测试图像,保证每幅图像至少包含一个乳腺肿块。利用本文所提方法对这65幅图像进行实验,并将实验结果与该数据库中的专家标注信息作对比,实验结果为当采用db40的小波系数时的检出率为95．5％。结论：本文所述方法能够有效地分割出乳腺X线图中的肿块区域,并且有较高的检出率,具有进一步研究和应用的价值。     

冠脉数字造影图像血管分割方法研究

为了从冠脉数字造影图中提取具有复杂形态结构的血管 ,以便于血管临床心血管疾病的定量分析与诊断 ,我们对造影图像设计了一种有效的血管分割算法 ,然而为了获得更加准确的血管形态 ,我们对造影图像和掩膜图像进行匹配减影 ,然后再从减影图像中分割血管 ,实验结果表明这样分割得到的血管较直接从造影图像分割得到的血管更加准确     

一种基于元学习的小样本核磁共振图像分割方法

将深度学习算法应用于核磁共振（MR）图像分割时,必需以大量经标注后图像作为训练集的数据支撑。然而,MR图像的特殊性导致采集大量的图像数据较困难,制作大量的标注数据成本高。为降低MR图像分割对大量标注数据的依赖,本文提出了一种用于小样本MR图像分割的元U型网络(Meta-UNet),能够利用少量的图像标注数据完成MR图像分割任务,并获得良好的分割结果。其具体操作为：通过引入空洞卷积对U型网络（U-Net）进行改进,增加网络模型感受野从而提高模型对不同尺度目标的灵敏度;通过引入注意力机制提高模型对不同尺度目标的适应性;通过引入元学习机制,并采用复合损失函数对模型训练进行良好的监督和有效的引导。本文利用提出的Meta-UNet模型,在不同分割任务上进行训练,然后用训练好的模型在全新的分割任务上进行评估,实现了目标图像的高精度分割。新的分割方法比起常用的无监督医学图像配准分割方法——体素变形网络（VoxelMorph）、数据增强医学图像分割方法——转换学习数据增强模型（DataAug）和基于标签转移的医学图像分割方法——标签转移网络（LT-Net）三种模型平均戴斯相似性系数（DSC）有一定提高...     

一种新的基于GVF Snake的B超图像分割方法

提出一种新的基于GVF Snake、利用局部对比增强(LCE)的超声图像分割方法,并与传统的基于GVF Snake的高斯滤波方法进行比较;最后用最大香农熵等方法评价分割结果。实验结果表明:LCE的图像分割效果明显优于常规方法。     

基于区域生长的图像分割研究进展

图像分割是图像处理与图像分析的基础步骤,主要难点是图像分割的不适定性。区域生长法算法简单,计算速度较快,是一种运用广泛的图像分割技术。本文根据当前主要的基于区域生长的分割模型,讨论了区域生长法中的种子点自动选取、相似性判断准则、适用情况及其改进方向,并对区域生长技术的发展进行了展望。     

一种眼底黄斑水肿OCT图像分割方法

基于眼底黄斑部相干光断层扫描(OCT)图像提出了分割黄斑水肿的方法。根据Chan-Vese模型,采用了一种改进的水平集算法,直接定义整数值的符号函数,曲线的外扩和内缩。通过内外轮廓线上点的相互转化实现,实现了快速分割和曲线平滑。本文用该方法对眼底黄斑水肿45张断层图像进行了分割,提取了黄斑水肿区域轮廓,取得了良好的分割效果,并估算了眼底黄斑水肿的体积,为临床诊断和治疗提供了定量分析的工具。     

一种新的舌癌图像快速自动分割方法

目的:研究一种新的舌癌图像自动分割算法以实现对舌癌肿瘤的快速准确分割。方法:通过引入一种基于局部均方差的自适应尺度算子实现演化曲线在演化过程中的自动调整,从而更高效率地向真实目标边界运动,并且克服舌癌肿瘤图像中目标边界不清和图像灰度不均匀等不良因素带来的影响。此外,为加快曲线的收敛速度,本文提出了一种新的能量项评估演化曲线轮廓内部和轮廓外部区域灰度的分布差异,以此引导曲线自适应地调整演化速度,减少完成分割任务所需的迭代次数。结果:使用本方法对22幅舌癌肿瘤MRI图像进行分割,分割结果与真实结果之间的重叠率Dice值为0.82,豪斯多夫距离HD值为1.732 mm。结论:将本文算法与其它现有的几种活动轮廓模型进行定性和定量对比分析,实验结果表明本文算法在对细节及弱边缘灰度的处理上表现更加优异,可用于舌癌肿瘤的精确分割,为临床分析提供辅助信息。