基于模糊C均值聚类和改进的随机游走算法的肺结节分割

准确分割肺结节是医生判定肺癌的重要前提。针对肺结节分割方法的误分割问题,尤其是难以分离的与胸壁或血管相连的粘连型肺结节的问题,本文提出了一种基于改进的随机游走算法来准确分割困难肺结节的方法。本文的创新点在于将图像中节点和种子点的坐标值与空间距离相结合,加入测地线距离来重新定义权值,然后使用改进的随机游走算法实现了对肺结节的准确分割。本文选取了17名不同类型肺结节患者的计算机断层扫描(CT)图像进行分割实验,将实验结果与传统随机游走方法以及几种文献方法进行了对比。实验表明,本文方法在肺结节分割方面具有较好的精度,准确率超过88%,单张肺结节CT图像分割时间不超过4 s。结果提示本文方法可用于对肺结节良恶性的辅助诊断,从而提高医生的工作效率。     

基于K-means聚类与改进随机游走算法的冠脉光学相干断层图像斑块分割

光学相干断层成像技术(OCT)现已发展成为国内外较热门的冠状动脉内影像技术,其中冠脉OCT图像的斑块区域分割对易损斑块的识别和研究有着重大意义。本文提出了一种基于K-means聚类与改进随机游走的新算法,实现了对冠脉钙化、纤维化斑块和脂质池的半自动化分割。本文主要创新点为改进了随机游走算法的权函数,将图像中像素间的边与种子点之间的距离加入到了权函数定义中,增加了弱边界的权值,防止了过分割现象的发生。本文基于以上方法对9名冠状动脉粥样硬化患者的OCT图像进行了斑块区域分割。通过对比医生手动分割结果,证明了本文方法具有良好的精度和鲁棒性,以期本文方法可对冠心病的临床诊断起到一定的辅助作用。     

交互式GACV模型的肿瘤图像分割

目的:提取医学图像中肿瘤区域,用以测量肿瘤体积问题。方法:提出一种基于GACV(Geodesic-Aided C-Vmethod)的交互式模型。该模型首先人工选取感兴趣区域,并在区域内设定初始水平集与肿瘤内部种子点,然后在感兴趣区域上应用将图像梯度边缘信息与图像区域灰度特性统一到同一分割中的GACV模型,得到肿瘤的粗分割结果。最后为去除目标内外孔洞,提出一种无损边缘的膨胀搜索算法,作为细分割。结果:将该模型应用于不同形状的肿瘤图像中,能成功检测肿瘤轮廓。通过实验与其它活动轮廓分割方法结果对比,结果显示该模型在准确分割肿瘤边界与分割算法耗时方面均具有良好表现。结论:本文提出的分割方法能高效率、准确识别肿瘤区域。     

结合水平集和区域生长的脑MR图像分割

本文提出了结合改进的水平集和区域生长方法实现脑MR图像分割,并根据不同组织成像特征和组织结构特点采用不同算法分割进行了探索.主要步骤:首先用改进的水平集算法实现图像中骨组织和脑脊液(CSF)的提取;然后,依据直方图确定脑灰质(GM)、脑白质(WM)的近似灰度值,自动定位种子点后进行区域生长,实现脑灰质和脑白质的分离.实验结果表明,该方法充分利用了脑MR图像中的区域信息和边界信息,与传统单一算法分割脑MR图像相比,具有更强的鲁棒性和准确性.     

基于改进模糊连接度的CT图像肝脏血管三维分割方法

解决传统模糊连接度难以较好分割CT图像肝血管、需要多个种子点和较耗时等问题。改进传统模糊连接度分割算法:对最新的Jerman血管增强算法进行改进;将改进的血管增强响应引入模糊亲和度函数;使用Otsu多阈值算法代替置信连接度,进行模糊连接度算法的初始化。预处理包括自适应S型非线性灰度映射和各向同性插值采样;随后,执行改进的Jerman血管增强算法;再将其增强响应引入模糊亲和度函数,同时利用Otsu多阈值算法统计前景目标信息,对模糊连接度进行初始化;最终,结合单一种子点实现三维肝脏血管的自动分割。选用内含20例CT的公开数据集,定量评估改进的血管增强算法和模糊连接度分割算法。评价标准主要包括对比度噪声比、准确性、敏感性和特异性。该血管增强算法的平均对比度噪声比为8.43 dB,优于传统血管增强算法。该血管分割算法的准确性达98.11%,优于基于置信连接度的传统模糊连接度分割算法、区域生长算法和水平集分割算法。此外,在分割算法的耗时方面,该算法也具有明显优势。提出的三维分割方法能有效解决传统模糊连接度分割CT影像中肝血管结构的不足,可提升分割精度和效率。     

一种改进的投票算法检测细胞核

高效准确地检测细胞核是自动分析病理学组织的重要部分,也是细胞核准确分割的第一步,分割的准确性很大程度上取决于种子点检测的准确性与可靠性。本文提出一种改进的投票算法来检测细胞核种子点。首先,通过对乳腺病理切片图像进行预处理,利用Otsu阈值方法对预处理后的图像进行粗分割;然后用椭圆拟合方法检测出部分细胞核种子点;最后利用改进的投票算法检测细胞核种子点。实验结果表明,本文所提出的算法可以准确地将病理切片图像中的细胞核检测出来,且检测精确度超过90%,能够提供比现有方法更好的检测性能,可用于定量分析乳腺病理图像。     

肝癌图像感兴趣目标的准确分割

背景:Snake模型为医学图像分割提供了一个全新的分割方式,可以克服传统图像分割方法在医学图像分割中的缺点。目的:针对肝癌CT图像特点,提出了一种改进的B样条曲线的Snake模型图像分割算法。方法:对腹部CT图像进行预处理,获得肝脏癌变部分的初始轮廓,再构造闭合B样条Snake模型,最后使用MMSE最小化外力变形模型以实现图像的准确分割。结果与结论:改进的B-Snake分割算法不仅减少了噪声的影响,而且使Snake曲线较好地收敛于目标轮廓边缘,对于肝癌CT图像该方法取得了感兴趣目标的良好分割效果。     

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Mean Shift的三维医学图像交互式分割方法

目的：提出一种新的三维医学图像交互式分割方法,利用Mean Shift算法将空间域与特征域相结合的高维计算优势,直接对图像的三维空间分布信息进行处理,同时采用人工与计算机相结合的交互式分割方法在医学图像序列上分割出感兴趣区域。方法：通常将Mean Shift方法用于图像分割都需要对整幅图像中的所有像素点进行大量的迭代计算,这样使得分割效率很低。而本文基于交互式分割算法原理,通过在感兴趣区域人工设定一个或少数几个初始点,利用人工给出的先验信息只需对感兴趣区域进行Mean Shift的自适应迭代计算和处理,不仅可以克服上述缺陷,还能得到较为精确的分割结果。结果：本文根据该方法进行了实验,从肺部图像序列中准确地分割出了三维的肺结节区域,从时间上和准确度上均能满足临床需求。结论：实验结果证明该交互式分割方法是一种非常有效的三维医学图像分割方法。本文的方法可以同时联合灰度域和空间域特征实现分割,而且它基于所选择的分割特征还具有任意多维空间联合分割的潜力,不失为一种深有发展前景的三维交互式分割方法。     

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.     

基于星形先验和图割的肺部四维计算机断层扫描肿瘤自动分割

肺部四维计算机断层扫描(4D-CT)能准确定位肿瘤靶区,对于实现肺癌的精确放疗有重要意义。但4D-CT图像数量巨大,单纯靠人工分割肿瘤勾画靶区很不现实,而且肺4D-CT图像复杂,目前的自动分割技术难以保证分割精度。针对这些问题,本文提出了一种基于星形先验和图割的肺4D-CT肿瘤自动分割技术。首先,在初始相位图像上选取目标种子点,以此点为中心,形成初始目标块。其次,采用运动估计中的完全搜索块匹配算法,获得下一相位图像中与初始目标块最相似的目标块,同时计算出它们之间的运动位移,以此类推,得到所有相位的目标块以及对应块之间的运动位移。随后,利用这些运动位移和初始相位目标种子点的位置,计算出其余各相位目标种子点,将它们作为星形先验的中心点。最后,在各相位的目标块上使用结合星形先验的图割算法,得到肿瘤分割结果。视觉和量化两方面评价结果均表明,相较于传统图割算法,本文提出的方法不仅能够提高分割的准确性,而且大幅提升了自动化程度。     

基于骨髓细胞图像的流域分割新算法

为克服重叠骨髓细胞对图像分析造成的困难,需将重叠细胞群分离成单个细胞。为此,提出了一种基于流域分割的骨髓细胞二值显微图像的分割方法。首先,用迭代腐蚀方法从重叠细胞中检测出种子数。然后,以极限腐蚀集合作为种子点进行区域生长,直到原图的所有像素均被重新吸收。为了提高运算速度,在种子点选取和区域生长方面进行了控制处理。本研究在Matlab环境下运用此算法对多幅细胞图像进行了分割,实验结果表明,该算法能够得到较好的分割结果。     

live wire算法中局部代价计算的加速改进

目的加快livewire算法中局部代价权值的计算速度,提升算法的运行效率。方法提出利用计算相关性同步计算相邻节点的梯度方向权值代价分量^,以及只计算最短路径搜索中已排序节点相对于邻域节点的权值代价两种方法改进局部代价算法。结果改进算法对于不同图像空间分辨率的情况,代价权值的计算量,livewire算法的运行时间以及交互分割时间上,相比较其他两种算法都有一定程度的减少。结论改进代价计算方式的livewire算法,能够正确分割目标图像,在高图像分辨率的情况下明显提高了交互分割速度。     

基于先验知识随机游走模型的视网膜血管分割方法

视网膜图像的血管提取对心脑血管等疾病的诊断、治疗与评价具有重要的临床应用价值.为解决目前视网膜血管分割算法中存在的分割精度低(特别针对病变图像)等问题,提出基于先验知识随机游走模型的视网膜血管分割方法.在分析视网膜血管特征的基础上,构建归一化梯度向量散度场,针对高、低对比度血管采用不同的定向拉普拉斯算子提取血管中心线,并将先验知识随机游走模型应用于图像分割,实现对比度低、边界微弱的视网膜血管提取.采用STARE视网膜图像库进行分割精度测试,结果表明本算法精度相对已有算法明显提高,特别针对带有病变的视网膜图像,算法的有效性得到了验证,可满足临床处理的要求.     

基于改进的k-均值聚类和数学形态学的彩色眼科图像病灶分割

病灶面积的定量化研究在眼科临床上具有重要的意义 ,为此首先需要把病灶从眼科图像中分割出来。已有的分割算法未充分利用眼科图像的整体信息 ,不适用于角膜病灶的分割。因此 ,本文提出了一种新算法 :首先利用改进的k 均值算法 ,对色度和亮度进行聚类 ,再通过数学形态学运算分割角膜病灶。实验结果表明 ,该算法能有效地分割出彩色眼科图像中的病灶     

彩色血液细胞图像的自动分割方法研究

提出基于自适应多尺度阈值和种子点增长的混合方法自动分割彩色血液细胞图像。首先对原始图像直方图进行多尺度滤波，根据它的尺度空间图特性，确定合理的阈值，完成对胞核的分割和白细胞的检出。其次，利用局部颜色特征及全局形态特性控制种子点增长，完成对白细胞浆区域的分割。该方法对白细胞的检出率为98％，分割效果主观评价为好的占93％，它能有效地分割白细胞区域。     

窄带Level Set与可视化技术在耳蜗分割中的应用

耳蜗的分割是对耳蜗进行模型化和分析研究的前提。采用三维窄带水平集(level set)算法与可视化技术相结合的交互式分割方法对耳蜗进行分割,三维窄带水平集算法用于体数据中感兴趣目标的分割,可视化技术对分割结果进行三维显示,显示结果作为用户调节算法参数的依据,经过多次的人机交互,从而获得满意的分割结果。我们详细地阐述了水平集及窄带水平集算法的基本原理、特点,并成功应用三维窄带水平集算法实现了颞骨螺旋CT(Computed tomography,CT)图像中耳蜗目标的分割。实验表明三维窄带水平集算法与可视化技术相结合的交互式分割方法可以很好地实现医学体数据中耳蜗的分割,与对体数据逐层分割的方法相比,速度有了很大提高。     

脑梗塞患者MR图像分割的研究

目的研究一种可实现脑梗塞患者MR图像脑组织分割的算法.方法根据脑梗塞患者MR图像中脑组织的区域和边缘的特性,对传统水平集算法进行改进,实现了对特定目标体分割的能力,降低了边界泄漏发生的可能性.结果通过体膜和大量脑梗塞患者MR图像实验和SPM5对比,实验证实了改进算法对MR图像分割的准确性和鲁棒性. 结论该算法为脑梗塞患者的脑图像分析和脑组织测量提供了一种有效的分割方法.