基于胸部CT图像的肺结节分割

目的提出一种从胸部CT图像中分割提取多种类型肺结节的算法,辅助肺癌诊断和疗效评估。方法首先由放射科医生确定种子点和目标容积区域,再根据初分割结果自动识别非肺壁粘连结节和肺壁粘连结节。然后采用多阈值结合距离变换的方法分割非肺壁粘连结节,光线投射和直线拟合分割肺壁粘连结节。最后,将算法应用于85组患者数据（232个肺结节）,并由高年资放射科医生评价分割结果的准确性。结果本文算法鲁棒性强,能准确判别肺壁粘连和非肺壁粘连结节,从而适用于孤立、血管粘连、毛玻璃和肺壁粘连结节的提取。测试的232个结节中无异常发生,且分割速度较快。经放射医生评价,平均准确率达90％。结论本文算法可以从胸部CT图像中分割提取4种类型肺结节,鲁棒性、准确性和速度均可满足实际临床需求,对肺癌筛查、诊断和疗效评估具有重要价值。     

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。     

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.     

基于活动形状模型的人脸识别

活动形状模型（ASM）是一种较为流行的用于目标对象定位的统计学形状模型。然而，在搜索过程中，ASM易受初始化位置的影响而陷入局部极值；在局部灰度模型匹配时，对光照条件也较为敏感。针对正面人脸彩色图像的识别问题，提出了一种基于肤色的人脸检测方法、基于人脸器官几何分布特征的人眼检测方法与活动形状模型方法相结合的算法，来降低ASM算法对初值与光照条件的敏感程度，避免局部极值问题的产生。对于搜索结果的评估问题，本研究针对保持了目标特异性的形状，提出了以质心位置、形状大小和方位角作为相似形状的评价准则。采用40幅黄种人正面端正人脸图像进行测试，实验结果表明，本改进算法的搜索结果与手工标定的识别结果相比，在位置、大小和方位上的误差都较小，识别准确率较高。     

一种基于活动形状模型算法的耳郭穴区定位方法

目的耳穴疗法是中医的重要组成部分,而耳穴定位是治疗的前提。由于耳郭面积较小、耳穴众多导致自动寻穴困难,本文提出一种基于图像处理技术的耳郭穴区定位方法。方法通过对来自于北京科技大学USTB人耳图像库和自行采集图像共30幅构建训练集,在最新耳穴国家标准GB/T13734-2008的基础上,选取包含耳郭边缘点、曲率极大值点、等分点等在内的65个特征点构建点分布模型(point distribution model,PDM),采用基于活动形状模型(active shape model,ASM)的图像处理方法,对待测人耳图像搜索匹配后,通过分别连接构成耳郭穴区的特征点,实现对人耳图像的穴区定位。最后通过计算定位后与人工标定的特征点之间的欧几里得距离,对定位的精度进行评估。结果该方法能初步实现耳郭的穴区定位,欧几里得平均距离为6.246±0.429。结论基于ASM的耳郭穴区定位方法能初步实现人耳图像的穴区定位,有利于耳穴疗法的穴区定位、耳穴自动化仪器的开发和中医耳穴示教等。     

多特征聚类与粘连分离模型的细胞抹片图像分割与分类

胰腺癌的诊断非常重要,而细胞抹片显微图像的病理分析是其诊断的主要手段。图像的准确自动分割和分类是病理分析的重要环节,因此本文提出了一种新的胰腺细胞抹片显微图像自动分割与分类算法。在分割方面,首先采用多特征Mean-shift聚类算法(MFMS)定位细胞核区域;接着采用弹性数学形态学结合角点检测的去粘连模型(CSM)对粘连重叠细胞核进行去粘连处理,实现了分割的准确性和鲁棒性。在分类方面,首先针对分割的细胞核提取了4个形状特征和138个不同颜色空间的纹理特征;然后结合支持向量机(SVM)和链式遗传算法(CAGA)实现封装式特征选择;最后将优选特征送入SVM进行分类,完成了胰腺细胞抹片显微图像的分类识别。本文采用了15幅图像一共461个细胞核进行测试。实验结果显示,本文算法可以实现不同类型的胰腺细胞抹片显微图像的自动分割与准确分类。就分割来说,本文算法可获得较高的正确率(93.46%±7.24%);就正常和癌变细胞的分类来说,本文算法可获得较高的分类正确率(96.55%±0.99%)、灵敏度(96.10%±3.08%)和特异度(96.80%±1.48%)。     

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。     

基于几何特征的孤立性肺结节检测

孤立性肺结节在中后期阶段发展为肺癌的概率较大,为检测孤立性中后期肺结节,提出一种基于几何特征的计算机辅助检测肺结节算法,针对传统算法不能排除血管截面类干扰的不足加以改进。通过使用K-means聚类算法对感兴趣区(ROI)的细长度、类圆度、紧凑度和离散度等几何特征进行多次聚类,从而识别出孤立性肺结节。对肺部影像数据库联盟(LIDC)数据集中232幅医学计算机断层扫描(CT)图片进行实验,结果表明所给出的算法对孤立性肺结节的检出率为92.3%,误判率为14.8%,而传统算法的检出率为83.9%,误判率为78.2%。因此,本文算法不仅能较好地标记出肺结节,而且可以排除干扰的血管截面,降低了误判率。     

CT图像肺结节自动检测

肺癌是对人类生命健康危害最大的恶性肿瘤之一。计算机辅助诊断系统对肺部CT图像进行自动分析后,可提示医生可疑肺结节,从而克服医生在诊断中的一些主观因素,为此本文提出了一种基于胸部CT图像的可疑肺结节自动检测算法。首先,根据胸部组织的特殊结构,利用一种新的分割算法提取出肺实质部分;在此基础上提取出灰度与结节相近的感兴趣区域,包括结节、肺血管、支气管;然后,以已标记的结节数据作为样本集,计算结节的面积、灰度均值、灰度方差、圆形度、形状矩、体积、球形度等特征值,利用最近邻法建立分类器判别函数;最后,计算测试集感兴趣区域的上述特征,对其进行判别、分类,并标记出结节。试验结果表明,该算法综合考虑了肺结节特征,具有较高的准确度。     

基于重采样的胸部CT图像肺实质自动分割

目的胸部CT图像的肺实质自动分割是肺部疾病计算机辅助检测的重要基础。为提高分割速度,本文提出并实现了一种基于重采样的分割算法。方法首先对数据重采样,提取部分（1／8）体数据。再基于重采样体数据,通过阈值分割、胸腔提取、气管剔除、血管填充、左右肺分离和肺壁结节填充等步骤,得到初步分割结果。然后将该结果还原到完整数据体上,形态学平滑后即完成最终分割。最后将算法应用于20例患者数据（2556个断层）,并与放射科医生手动分割结果进行比较。结果本文算法对20例患者数据均能取得优异结果,与放射科医生手动分割的平均面积重叠率达99．02％,且适用于左右肺相连、肺壁存在结节、视野不完整等异常情况。通过数据重采样极大缩短分割时间,一般可缩短50％,一帧图像平均耗时小于0．25s。结论本文算法能够实现胸部cT图像肺实质的自动分割,结果准确可靠,鲁棒性好,速度快,基本满足实际临床需求。     

基于计算机视觉的早期乳腺癌放射治疗一体化摆位系统研究

目的研究一种基于计算机立体视觉的乳腺癌放射治疗摆位验证的方法,以减少在乳腺癌分次放射治疗中,由于多次摆位、体型变化等因素的影响造成肿瘤位置动态位移引起治疗误差。方法使用由双摄像机组成的计算机视觉系统,准确匹配出多个特征标记物在左右两摄像机采集的图像中的具体坐标,依据双目成像的基本原理计算出各标记物在胸腹部表面特征点的三维坐标值,构建出乳房及胸部体表的立体特征形状,以此来完成在分次放射治疗前摆位准确性的在线判定。在算法设计过程中,采用动态选择待匹配图像和局部搜索的策略,目标图像匹配精确。结果调试实验表明,系统能够准确提供各标记点的三维空间位置,并且能够做到实时性计算。结论基于计算机立体视觉的乳腺癌放射治疗摆位系统能够为放射治疗摆位提供一定的定位数据指导。     

基于球形标记的多模态医学体配准

本文提出在医学多模态数据集 (尤其是 MRI和 CT)中基于球形人造标记的体配准过程。此过程或是半自动或是全自动完成的。半自动方法要求数据集中标出球形标记的近似点位置 ,再自动进行配准。全自动方法不需要用户的任何交互操作 ,即所有配准子任务 (球体的分割、寻找两组球体的对应关系、最后把第一套球体映射成第二套球体的几何变换的计算 )能由计算机自动执行。在全自动配准中 ,积聚器算法和迭代最近点算法的结合证明是一种有效的和鲁棒性好的点匹配方法     

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。     

基于知识的颅内出血(ICH)三维医学图像分割方法

本文描述一种基于知识的三维医学图像自动分割方法,用于进行人体颅内出血(Intracranial Hemorrhage,ICH)的分割和分析.首先,数字化CT胶片,并自动对数字化后的胶片按照有无异常分类.然后,阀值结合模糊C均值聚类算法将图像分类成多个具有统一亮度的区域.最后,在先验知识以及预定义的规则的基础上,借助基于知识的专家系统将各个区域标记为背景、钙化点、血肿、颅骨、脑干.     

基于规则及多特征跟踪的肺结节的智能检测方法

肺结节的智能识别对肺癌的诊断至关重要.为了在大量的肺部CT图片中准确智能识别肺结节,我们研究了一个基于规则及多特征跟踪的肺结节计算机辅助检测方法.其中,采用活动轮廓模型的分割方法实现候选肺结节分割,采用基于规则的决策方法以及多特征跟踪方法实现肺结节分类.实验证明,该肺结节的智能检测方法满足肺结节计算机辅助诊断的要求.     

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。     

一种基于三维特征的肺结节概率分割算法

本文提出了一种基于三维特征的肺结节概率分割算法。首先,提取感兴趣区域(ROI)内每个体素的三维灰度和纹理特征,得到每个体素的特征向量;然后,根据特征向量对体素进行分类;最后,使用区域生长算法对分类结果进行后处理,得到最终的分割结果。利用肺部图像数据库联盟组织(LIDC)公共数据集对本文分割结果与LIDC中由4位放射科医生分别手动分割得到的概率图进行比较,从而验证本文方法的性能,结果表明通过提取肺结节的三维灰度和纹理特征对其进行概率分割的方法是有效的。     

一种融合表面波变换与脉冲耦合神经网络的三维肺实质分割算法

针对肺部病变及支气管干扰等因素导致的肺实质分割困难的问题,本文提出一种融合表面波(surfacelet)变换与脉冲耦合神经网络(PCNN)的肺实质分割算法。首先,通过surfacelet变换对三维肺部计算机断层扫描数据进行多尺度多方向分解,利用局部修正拉普拉斯算子选择处理后的子带系数增强图像的边缘特征;然后,经surfacelet逆变换得到增强后的图像作为PCNN的反馈输入;最后,通过循环迭代完成肺实质的分割。所提算法对公开数据集中的样本进行了测试。结果表明,本文算法的分割性能优于surfacelet变换边缘提取算法、三维区域生长算法和三维U形网络(U-NET)算法,能够有效抑制肺部病变及支气管的干扰,得到更完整的肺实质图像。     

基于物质灰度正态分布的CT断层图像匹配插值

基于医学CT断层图像中物质灰度呈正态分布的特性,提出一种新的插值算法。先分割CT断层图像,再为每个插值点搜索属于同种物质的最佳匹配点对,最后基于物质灰度呈正态分布特性获取插值权值,计算出插值点的灰度值。针对灰度值相差较大的匹配点对,传统的线性插值方法容易生成误差,新算法避免了这些插值点误差的产生。对于存在较多灰度值差异大的匹配点对的4组测试切片,测试结果表明,与匹配点对间传统的线性插值方法相比较,新算法的标记点均偏差平均降低29.55%,说明新算法具有良好的插值效果。