结合贝叶斯最优分类器的GACV模型对医学彩色细胞图像进行分割

目的:本文对GACV模型进行改进,并用改进的模型对医学彩色细胞图像进行分割。方法:本文在GACV模型基础上加入了贝叶斯最优分类器,得到了结合贝叶斯最优分类器的GACV模型,并用该模型对医学彩色细胞图像进行分割。结果:应用本文提出的模型分割3组不同特点的医学彩色细胞图像,分割结果显示,该模型能正确将细胞从不同噪声环境中分割出来。结论:结合贝叶斯最优分类器的GACV模型对弱边界,噪声以及复杂背景有很强的鲁棒性可以有效、准确的分割医学彩色细胞图像。     

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。     

基于改进C-V模型的肿瘤CT图像分割

针对传统C-V模型演化速度慢和不能很好分割灰度不均匀图像的缺点,从两个方面进行了改进。首先采用一个新颖的基于局部梯度的模型,使C-V模型初始轮廓曲线快速移到目标边界附近,大大缩短了演化时间;其次,结合GVF模型从两个方向指向目标边界的特点,为C-V模型的速度方程添加一个自适应速度调节项,使模型收敛于真实边界。通过肝脏肿瘤CT图像的分割,验证该方法是有效的。     

医学图像分割中的形变模型技术

形变模型技术作为一种既能结合底层图像信息，又可结合高层先验知识的图像分割技术，以其独特的魅力吸引着该领域越来越多的研究者，但至今尚未有统一的分类方法。提出一种新的分类方法，把形变模型技术大致分为自由形态和受限形态两类模型，从新的视角对形变模型技术进行了系统分类和知识梳理，回顾了形变模型技术的主要工作及其在医学图像分割领域中的应用，为研究者对这一领域的总体把握提供了有益的参考。     

基于Snake模型的医学图像分割

基于Snake模型的图像分割技术是近年来图像处理领域的研究热点之一.Snake模型承载上层先验知识并融合了图像的底层特征,针对医学图像的特殊性,能有效地应用于医学图像的分割中.本文对各种基于Snake模型的改进算法和进化模型进行了研究,并重点梳理了最新的研究成果,以利于把握基于Snake模型的医学图像分割方法的脉络和发展方向.     

活动形状模型在医学图像分割中的应用

在医学临床实践和研究中经常需要根据各种图像对解剖结构进行识别和精确定位,以获取有用的信息。活动形状模型是计算机视觉领域成长很快的一类统计学模型方法,在图像分割和解释方面展示了相当可观的发展前景。对活动形状模型及其扩展算法活动表观模型的发展现状,以及它们在医学图像领域的应用和研究热点进行了总结并对技术的进一步发展进行了初步探讨。     

磁共振图像的分割

近年来，磁共振图像在临床上的应用越来越广泛和深入，但是，制约磁共振图像在临床上广泛应用和研究的一个瓶颈问题是图像分割。自从８０年代末磁共振图像应用于临床检查以来，人们提出了众多的磁共振图像的分方法。这些方法中有经典的方法，如阈值法、基于边界的方法和基于区域的方法；有现代的方法，如概率统计的方法、基于知识的方法、模糊方法和人工神经网络的方法等。本文对这些方法进行了综述和讨论。     

医学图像分割中的主动轮廓模型研究现状

主动轮廓模型具有强大的先验知识引入能力,非常适合解决复杂医学图像分割问题。本文介绍了两种主动轮廓模型的基本原理及其相互关系,详细综述了模型的几个重要改进措施,包括曲线的表示方式、基于梯度的ACM、基于区域的ACM,以及结合先验形状的ACM,并讨论了医学图像分割中的主要应用实例,最后展望了模型今后的研究方向。     

结合蚁群算法的Snake模型的医学图像分割方法

图像分割是医学图像处理中一个网难而又极其重要的课题.本文提出一种新的结合Snake模型和蚁群算法的图像分割算法.Snake模型是一种将目标的轮廓模型与图像特征相匹配的分割方法,而蚁群算法可以帮助人们理解生物系统的原理以及在机器人技术、计算机图形学等领域已经得到广泛应用.本文在结合已有Snake模型和蚁群算法优点的基础上,提出了新的图像蚁群分割模型.实验结果表明,本文提出的分割方法能够比较好的保留图像的细节信息,并具有一定的抗噪声能力.     

深度学习在肝脏肿瘤CT图像分割中的应用

肝脏肿瘤严重危害着全人类的生命健康。近年来,随着深度学习的快速发展,涌现了许多使用腹部计算机断层扫描（computed tomography,CT）图像进行肝脏肿瘤分割的深度学习方法,这些方法的应用对于临床上实现肝脏肿瘤的计算机辅助诊断具有十分重要的意义。为此,本文对深度学习方法在肝脏肿瘤CT图像分割中的应用进行了归纳,将各种卷积神经网络（convolutional neural networks,CNN）分为二维（two-dimensional,2D）、三维（three-dimensional,3D）和2.5维（2.5-dimensional,2.5D）卷积神经网络。此外,本文总结了各类网络的优缺点以及改进方法,为深度学习在肝脏肿瘤分割中的应用提供了有益参考。     

智能肝肿瘤CT图像分割

提出了一种智能肝肿瘤CT图像分割的新方法.该方法将医学专家的高层知识融合到图像分割算法中,使算法具有智能性,能够更加准确、快速地实现分割.根据医学图像分割不同阶段的特点以及不同算法的适用性,结合了多尺度分水岭变换与模糊聚类方法,从总体上达到最佳效果.将图像空间信息引入传统的基于灰度的模糊C均值聚类算法中,对传统的模糊C均值聚类算法的目标函数进行修正,推导出修正后算法的迭代公式,并证明了迭代的收敛性.对实际CT肝肿瘤图像的分割实验结果验证了所提方法的有效性.     

一种改进局部二元拟合的灰度非均匀图像分割

针对局部二元拟合(local binary fitting,LBF)能量模型对活动轮廓曲线初始位置较为敏感的缺点,本文提出一种改进局部二元拟合的灰度非均匀图像分割模型。首先把水平集函数初始化为一个常数,然后在迭代过程中引入一个扰动项,从而引导目标区域的水平集函数值发生符号变化。实验结果表明,上述模型能够有效地应用于灰度非均匀图像的分割。与LBF模型相比,本文模型无需人工选择活动轮廓曲线的初始位置,且避免了由于初始位置选择不当造成的分割错误。     

一种基于Snake模型的脑部CT图像分割新算法

针对目前传统的Snake模型图像分割算法的力场捕捉范围小、对初始轮廓的选取敏感以及对轮廓曲线难以收敛到 细小深凹边界的缺陷,提出一种基于Snake 模型的脑部CT图像分割新算法。算法首先运用Canny 边缘算子对图像进行 边缘检测,将边缘检测图像叠加到原始图像上,然后再运用Snake模型和梯度向量流（GVF）Snake模型分别对叠加图像进 行分割。实验结果表明,该算法克服了传统Snake 模型和GVF Snake 模型因边缘轮廓不清晰造成的漏分割情况,防止了 GVF Snake模型由于GVF力场的相互作用所造成的过分割现象,同时,还能促使轮廓线收敛到细小深凹边界,提高定位精 度,具有更好的分割效果。     

基于统计阈值的脑肿瘤MRI图像的分割方法

我们提出了一种基于统计阈值的脑肿瘤MRI图像的分割方法.首先,通过预处理操作去除脉冲噪声和头骨影像,然后利用统计阈值分割方法对肿瘤进行了分割.为了克服经典阈值分割方法存在不完全分割的问题,利用分割后两个类的方差和概率定义了一个新的阈值选择准则,并通过最小化准则确定最佳分割阈值.实验结果证明,本方法分割效果好,解决了采用经典阈值分割方法对脑肿瘤的不完全分割问题.     

基于最小方差Snake模型的医学图像分割

传统的参数活动轮廓模型（Snake模型）难于处理自动分割医学图像的弱边界。我们在分析参数活动轮廓和几何活动轮廓模型的基础上，提出最小方差参数活动轮廓模型，并成功应用于医学图像自动分割。该方法将气球力Snake模型中的恒定气球力修改为包含区域信息的变力，以目标和背景两区域具有最小方差为准则，引导轮廓线演化。实验结果表明，该模型对初始轮廓位置不敏感，能实现自动分割。对于带噪声的医学图像，先进行保边界特性的曲率流滤波，然后应用该模型也能取得满意的分割效果。     

一种基于快速混合型K均值的水平集图像分割方法

目的:为提高水平集图像分割方法的速度。方法:本文介绍一种基于快速混合型K均值的水平集方法用于图像分割。首先介绍基于Mumford-Shah模型的水平集方法;然后介绍传统标准K均值方法与水平集方法的联系,分析其缺陷;最后提出了一种快速混合型K均值的方法,在保持传统水平集算法鲁棒性的前提下,较好地提高了计算的速度。结果:该方法与标准水平集方法相比,运算所花费时间相对减少。结论:该方法利用K均值算法的简易和高效率,达到提高水平集方法分割速度的目的,具有一定的实用价值。     

一种模拟视觉机制的图像分割模型

提出一个小波域多尺度马尔柯夫随机场模型用于模拟视觉系统在图像分割中的若干功能。针对人类视觉系统具有特征检测器、等级层次性、双向连接性、学习机制等功能,对输入场景,该模型用小波变换提供该场景图像的稀疏表示,模拟特征检测器功能;用金字塔结构模拟等级层次性;用两类信息流模拟双向连接性,分别刻画自底向上的输入图像特征提取过程以及自顶向下的反馈过程;用迭代过程模拟学习机制;采用多尺度马尔柯夫随机场模型实现图像分割。实验表明,该模型对真实采集到的不同类型的生物医学图像进行分割,取得优于一些传统分割算法的结果。