基于CV-RSF模型的甲状腺结节超声图像分割算法

结合CV模型和RSF模型,建立CV-RSF模型,实现甲状腺结节超声图像半自动分割算法。基于CV模型的全局信息对图像粗分割,并以粗分割结果作为RSF模型的初始轮廓,然后再利用RSF模型的局部信息对病灶实现最终的分割。根据设定的两组不同初始轮廓,分别利用RSF模型和CV-RSF模型对病灶分割。结果表明,CV-RSF模型解决了RSF模型对初始轮廓敏感的问题,而且通过重叠率的对比,CV-RSF模型分割更准确。对比RSF模型,CV-RSF模型实现的甲状腺结节超声图像半自动分割算法,更加有效、准确。     

基于改进GVF-测地线模型的颈动脉斑块的分割算法

为了在超声波图像中提取颈动脉斑块边缘,我们提出了一种基于GVF-测地线模型的图像分割算法.由于超声波图像含有大量噪声,首先使用加权均值空间平滑滤波器对图像进行预处理;再人工画出初始轮廓,分别采用GVF-Snake模型、GVF-测地线模型和改进后的GVF-测地线模型对图像进行分割,比较其结果.实验结果表明,改进后的方法分割精度很高,能够在颈动脉斑块边缘提取中取得非常好的效果.     

基于改进的CV-RSF模型的甲状腺结节超声图像自适应分割算法

目的甲状腺结节超声图像的精确分割对甲状腺结节的良恶性诊断尤为重要。目前,对于甲状腺结节超声图像的分割,有学者提出利用主动轮廓模型分割算法,但是由于活动轮廓分割算法需要手动设置迭代次数,未实现模型的自适应性。因此,本文提出了一种基于改进的无边缘主动轮廓-局部区域可控的拟合(Chan-Vese-region scalable fitting,CV-RSF)模型的甲状腺结节超声图像自适应分割算法。方法选取南京同仁医院12例患者的甲状腺结节超声图像用于实验。首先,在无边缘主动轮廓(Chan-Vese,CV)模型中,引入一个基于梯度的边缘引导函数,根据面积变化率,自适应地获取甲状腺结节的粗分割轮廓;然后,将粗分割轮廓作为局部区域可控的拟合(region-scalable fitting,RSF)模型的初始轮廓,并根据面积变化率,自适应地获取甲状腺结节最终分割结果。将改进模型分割的结果与CV模型、RSF模型分割的结果进行比较,并分析甲状腺结节边缘清晰度对分割结果的影响。结果本文模型算法分割结果的平均迭代次数、平均面积重叠率、平均Hausdorff分别达到了134、90.34%、9.77,均优于CV模型、RSF模型的分割算法。结论该算法有效地分割出边缘清晰和不清晰的甲状腺结节超声图像,并解决手动设置迭代次数的问题,从而实现甲状腺结节的有效、准确、自动分割。     

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。     

基于信息量的脉冲耦合神经网络改进分割算法

目的解决区域生长简化脉冲耦合神经网络（PCNN）算法中由于阈值参数选取不当导致的分割不足与过分割问题。方法在区域生长简化PCNN算法中引入熵来刻画图像的信息量。结果避免了对阈值参数选取。结论基于信息量的PCNN改进算法在分割精度、算法的稳定性等方面均优于简化区域生长PCNN算法。     

一种快速的全自动超声子宫图像分割算法

使用超声成像进行子宫节育环检查工作已在我国广泛地开展,利用图像识别技术进行计算机辅助诊断对于减轻检查人员工作负担意义十分明显,其中图像分割部分的主要目标则是快速地全自动分割开图中的几个主要器官及节育环。本研究提出了一种快速的全自动子宫图像分割算法。该算法包括以下三个主要步骤:首先运用BP神经网络处理图像整体灰度分布获取基准分割阈值;其后使用超声图像斑点噪声统计特征进行同质区域判别,并根据局部灰度分布自适应调整分割阈值;最后使用数学形态学算子对分割效果做进一步的改善。基于由1200幅超声子宫图像组成的图像库,对所提算法与最大类别方差法、SNAKE活动轮廓模型等数种常用分割算法进行了性能比较,实验结果表明所提算法在速度与准确程度两方面均表现良好,平均耗时为0.93s/幅,准确程度达到了94%。本算法无需人工干预,分割速度快,分割准确程度能够被临床医生所接受,可以用作超声子宫图像辅助诊断系统的图像分割部分,具有很好的应用前景。     

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...     

基于全局和局部相关熵活动轮廓模型的超声图像分割算法

局部相关熵K均值(LCK)模型在非高斯噪声和图像灰度不均匀时具有较好的图像分割效果,但是其计算复杂度较高,收敛较慢。针对该问题,本研究将局部相关熵能量项和全局相关熵能量项结合,提出了全局与局部相关熵K均值(GLCK)图像分割算法。其中局部相关熵力在目标边界附近起主导作用,用来吸引水平集函数曲线到达目标边界,而全局相关熵力在远离目标边界处起主导作用。对超声医学图像和人工合成图像进行了图像分割实验,并同LCK等模型进行了对比,结果表明提出的GLCK模型具有更好的鲁棒性和图像分割精度,并且计算时间也显著减少。另一方面GLCK模型对于噪声和模糊边界影响严重的超声医学图像,具有好的分割效果。     

一种基于水平集的前列腺超声图像自动分割算法

由于超声图像存在着斑点噪声和较低的信噪比,使得传统的分割算法很难应用于超声图像的自动分割,而手工分割方法非常耗时且重复性差.因此提出了一种基于水平集和改进径向浅浮槽算法(RBR,radical bas-relief)的前列腺直肠超声(TRUS)图像全自动分割算法.首先使用Sticks滤波器来去除斑点噪声,并且增强图像的对比度.然后使用径向浅浮槽算法来对图像进一步增强,通过使用形态学算法和边界填充得到前列腺的初始轮廓,使用该轮廓来初始化水平集算法,从而实现全自动分割.实验结果表明,该方法能有效地去除斑点噪声的影响,并且能够对前列腺超声图像实现较好的分割效果.     

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。     

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。     

一种脑MRA图像自动分割算法及其在图像导引神经外科中的应用

图像导引神经外科技术是在神经外科手术过程中减小患者刨伤的有效方法。在这种方法中，医学图像分割质量的好坏直接影响着手术过程的准确性。本研究提出了一种新的基于MRA图像的自动分割算法，这种算法通过各向异性滤波，统计阈值分割，数学形态学滤波，和基于边界距离场的活动轮廓模型来对MRA图像进行自动分割和分割结果的可视化。数据实验表明用这种算法对MRA图像进行分割的结果可以有效地用于图像导引神经外科，并且算法具有一定的鲁棒性。     

基于对称区域生长和边缘梯度的视神经纤维的分割

在视神经横切面图像中,将每个神经纤维的内外边界进行精确分割是视神经形态分析的重要环节,提出一种基于对称区域生长和髓鞘边缘梯度的有效分割算法.该算法分两步进行,首先根据交互方式下选取的种子点,由对称区域生长算法实现轴突分割,然后在轴突轮廓模型基础上,髓鞘外轮廓在髓鞘平均边缘梯度引导下进行演化,实现自动分割.与K-均值聚类,局部阈值和水平集等其他算法的实验结果相对照显示,该算法分割获得的轴突和髓鞘轮廓与实际轮廓相吻合,其分割结果可以作为后续神经纤维形态分析的基础.     

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.     

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。     

超声图像处理中Snake模型研究

Snake模型是一种基于高层信息的有效目标轮廓提取算法,其优点是作用过程及最后结果的目标轮廓是一条完整的曲线,从而引起广泛的关注.鉴于医学超声图像的信噪比较低,用经典的边缘提取算法无法得到较好的结果,因此人们将Snake模型进行了各种各样的改进,并且越来越多地将它运用到医学超声图像处理中来.本文对乳腺超声图像进行阈值分割、形态滤波等一系列预处理后,将改进的Snake模型对乳腺超声图像进行肿瘤的边缘提取,得到了比较好的结果.     

RSF模型的优化及其在MRI脑肿瘤分割中的应用

磁共振成像(MRI)具有图像模糊,灰度不均等特点,其分割问题一直都是研究的热点和难点。可变区域拟合(RSF)能量模型是一种较新的区域活动轮廓模型,可用于灰度不均匀图像的分割。然而,RSF模型设定的水平集函数(LSF)不适合初始轮廓内外灰度分布不同的环境,应用于整体灰度环境复杂的脑肿瘤MRI图像时,通常得不到理想的分割结果。构建新的LSF,并辅以mean shift平滑算法可使其更适用于肿瘤图像的分割,使新模型具有更好的收敛性和目标指向性。利用优化后的模型进行一系列实验,其结果表明:该算法鲁棒性强,可以快速、准确地分割出MRI图像中的脑肿瘤,具有显著的临床意义。     

基于局部调整动态轮廓模型提取超声图像乳腺肿瘤边缘

提出一种基于局部调整动态轮廓模型提取超声图像乳腺肿瘤边缘的算法.该算法在Chan-Vese (CV)模型基础上,定义了一个局部调整项,采用基于水平集的动态轮廓模型提取超声图像乳腺肿瘤边缘.将该算法应用于89例临床超声图像乳腺肿瘤的边缘提取实验,结果表明:该算法比CV模型更适用于具有区域非同质性的超声图像的分割,可有效实现超声图像乳腺肿瘤边缘的提取.     

基于单水平集函数的细胞分割算法

目的：由于细胞图像十分复杂,传统的基于像素或者边界的图像分割方法难以精确的实现细胞分割。因此,需要设计一种可以实现细胞图像精确分割的方法。方法：结合大津分割算法和主动轮廓模型的优点,设计出一种基于单水平集函数的细胞分割算法,首先对细胞图像大津分割,其结果作为水平集函数的初始值,然后使用迭代法对水平集函数演化。采用MATLAB对显微镜下获取的细胞图像进行试验,将本文改进后的算法与常规的算法进行了对比。结果：与传统的水平集分割算法相比,本文方法对细胞图像分割结果更加准确,迭代次数减少一半左右,因此分割时间也减少了一半左右。结论：结合细胞图像的结构特点,利用大津分割结果作为主动轮廓模型的初始值,可有效解决主动轮廓模型因为初始值设置不当导致的分割缺陷问题,水平集函数能够跟踪拓扑结构变化,具有计算精度高、算法稳定、优化边界清晰光滑等优点,在本文中得到了充分的应用。因此本文所提出的算法能够高效地实现细胞图像的分割。     

基于活动轮廓模型的序列超声图像的心内壁运动跟踪方法

提出一种对心脏序列超声图像中的心内壁进行运动跟踪的方法,采用活动轮廓模型将前一帧图像中snake的停留位置作为当前帧snake的初始位置,选择适当的能量函数,使能量函数最小snake变形得到当前时刻的心内壁轮廓,实验结果论证了该算法的可行性.