一种用于尿沉渣图像的自适应阈值分割新方法

我们针对复杂散焦的尿沉渣图像的精细分割,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,然后对粗分割得到的小波变换子图像进行自适应阈值处理,结合形态学处理完成细分割,最后再采用剥离算法处理粘连重叠成分。该方法不受散焦影响,充分利用了图像的多种信息,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。     

基于小波变换的尿沉渣粘连细胞分割算法的研究与实现

目的:在尿沉渣有形成分识别过程中,细胞分割特别是粘连细胞的分割是其中关键环节之一,分割结果的好坏直接关系到后续识别的效果。为此,本文对一种有效分割尿沉渣图像中粘连细胞的新方法进行了研究。方法:本文通过对原始尿沉渣图像作灰度变换增强后,对其进行小波变换,实现细胞的初次分割,随之对其进行形态学处理以滤除随机干扰并运用二次剥离算法分割粘连细胞。结果:该方法对尿沉渣粘连细胞的分割有效且令人满意。结论:本文所提出的算法设计思想及实现对于尿沉渣有形成分图像自动识别系统的研究具有重要的意义和价值。     

不同滤波方法对超声图像分割的影响

采用各向异性滤波方法以及Gabor滤波方法对乳腺肿瘤超声图像进行处理,再使用snake方法以及level set方法在设置相同参数的条件下,对过滤的图像分别进行分割.试验结果表明,不同的滤波方法在分割目标图像的收敛度,边缘圆滑度及整体轮廓提取效果都有较大影响,为分割图像选取适当的滤波器提供了参考.     

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。     

基于改进支持向量机算法的超声图像分割技术

超声图像的边缘分割受到噪声影响,基于传统支持向量机(support vector machine,SVM)超声图像分割过程存在较大缺陷。提出一种基于改进SVM算法超声图像分割算法。采用分区域特征匹配方法,进行二维超声图像的分块融合性检测和特征块匹配,根据超声纹理的规则性特征分量进行病理边缘特征提取,利用提取的精度作为约束条件,优化SVM分割过程,进行超声图像分割过程的自适应分类,实现对超声图像的快速分割。仿真结果表明,采用该方法进行超声图像分割的精度较高,对超声图像的病理特征识别能力较好,结构相似度信息较强,提高了超声图像检测和诊断分析能力。     

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。     

基于MATLAB的CT肝脏肿瘤图像分割

目的 将CT图像中的肝脏肿瘤部分进行准确分割.方法 利用MATLAB平台对CT肝脏肿瘤图像进行预处理,并结合灰度转换、二值化处理、反色处理、形态学处理、区域生长法对病灶区域进行分割.结果 组合分割法能够发挥简单、快速、适合小病灶区域的分割特点,实现了肝脏肿瘤组织的分割,分割效果理想.结论 该方法用于肝部肿瘤的分割具有一定的有效性,但对于与周围粘连较多的肿瘤的分割还有局限性.     

催化剂分割算法的初步研究

目的：在TS—MRF模型基础上，针对基于二叉树分割算法的分割停止判断提出新的算法。方法：在分割图像中引入试探图像作为“催化剂”，并以“催化剂”在分割结果中是否显现为依据来判断二叉树分割的候选结点是否应该停止分割，具体分割算法采用MRF分割。结果：对多组模拟图像进行了初步分割实验，实验表明该方法可以对实验图像的树状分割过程给出正确的停止判断。结论：催化剂分割算法可有效地对待分割图像进行正确的类数判断。     

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。     

医学图像处理中有关图像分割的新技术

图像分割是图像处理中最基本和最主要的技术.本文简要介绍了医学图像分割的常用分割方法,主要包括阈值分割、神经网络分割、模糊分割、遗传算法、统计方法和基于特定模型等方法的图像分割.并对其近年来的进展和应用进行了综述.     

一种应用于视频眼震分析的瞳孔中心定位方法

为利用眼震红外视频图像进行眼震分析,介绍一种瞳孔中心定位方法。此方法基于形态学和区域连接标记算法,提出了左上邻域方法进行连通图像标记,并对图像进行连通区域分割,再进行连通区域合理校验和连通区域合并,最终得到的瞳孔区域,通过计算获取瞳孔中心位置坐标,实时地把每帧图像得到瞳孔中心坐标通过曲线拟合出来,得到瞳孔的运动轨迹,从而获得临床所期望的诊断信息。眼动实验表明,此瞳孔中心定位算法简单,只需一次扫描图像标记,且定位速度比Hough变换法快一倍,能够满足红外视频眼震分析系统对瞳孔定位的实时性;基于同样的数据源,此方法的定位结果,与一种基于Hough的无现场校准的眼方向检测算法定位结果的相关度为0.975,同样可以获取良好的瞳孔运动轨迹,为眼震分析提供信息依据。     

Evaluation of potential image acquisition pitfalls during optical coherence tomography and their influence on retinal image segmentation

The development of improved segmentation algorithms for more consistently accurate detection of retinal boundaries is a potentially useful solution to the limitations of existing optical coherence tomography (OCT) software. We modeled artifacts related to operator errors that may normally occur during OCT imaging and evaluated their influence on segmentation results using a novel segmentation algorithm. These artifacts included: defocusing, depolarization, decentration, and a combination of defocusing and depolarization. Mean relative reflectance and average thickness of the automatically extracted intraretinal layers was then measured. Our results show that defocusing and depolarization errors together have the greatest altering effect on all measurements and on segmentation accuracy. A marked decrease in mean relative reflectance and average thickness was observed due to depolarization artifact in all intraretinal layers, while defocus resulted in a less-marked decrease. Decentration resulted in a marked but not significant change in average thickness. Our study demonstrates that care must be taken for good-quality imaging when measurements of intraretinal layers using the novel algorithm are planned in future studies. An awareness of these pitfalls and their possible solutions is crucial for obtaining a better quantitative analysis of clinically relevant features of retinal pathology.     

基于数据融合的脑组织图像分割

随着医学影像技术的发展,我们可以用不同的成像方法对同一个脑断层得到多模态的核磁共振图像,针对脑组织分割的需要,文中介绍了一种基于数据融合的多模分割方法.算法首先用基于模糊C均值聚类(Fuzzy C-Means,FCM)的方法分别对单一模态的图像聚类进行分割,然后采用数据融合的方法得出最终的分割结果.实验结果表明,此方法能有效地分割出白质、灰质和脑脊液,并且分割精度要明显高于对单一模态图像的分割结果.     

基于数学形态学和Otsu方法的VHP数据心脏图像分割

针对可视人计划的数据提取心脏图像存在自身的多样性以及局部边界不清晰所造成的分割难问题,提出了一种分阶段的分割方法。即在第一阶段引入数学形态学的方法,提出一种基于形态重构的开闭运算与O tsu阈值分割相结合的方法,对原始图像中的感兴趣区域进行预提取,有效的解决了单一阈值分割方法中存在的缺陷;第二阶段利用形态学变换对预提取图像进行精确分割,最终得到心脏图像。实验结果表明,这种分阶段的分割方法在运算效率以及分割精度上都取到了较理想的结果,对可视人计划的实现具有较高的实用价值。     

Segmentation of pulmonary nodules in three-dimensional CT images by use of a spiral-scanning technique

Accurate segmentation of pulmonary nodules in computed tomography (CT) is an important and difficult task for computer-aided diagnosis of lung cancer. Therefore, the authors developed a novel automated method for accurate segmentation of nodules in three-dimensional (3D) CT. First, a volume of interest (VOI) was determined at the location of a nodule. To simplify nodule segmentation, the 3D VOI was transformed into a two-dimensional (2D) image by use of a key "spiral-scanning" technique, in which a number of radial lines originating from the center of the VOI spirally scanned the VOI from the "north pole" to the "south pole." The voxels scanned by the radial lines provided a transformed 2D image. Because the surface of a nodule in the 3D image became a curve in the transformed 2D image, the spiral-scanning technique considerably simplified the segmentation method and enabled reliable segmentation results to be obtained. A dynamic programming technique was employed to delineate the "optimal" outline of a nodule in the 2D image, which corresponded to the surface of the nodule in the 3D image. The optimal outline was then transformed back into 3D image space to provide the surface of the nodule. An overlap between nodule regions provided by computer and by the radiologists was employed as a performance metric for evaluating the segmentation method. The database included two Lung Imaging Database Consortium (LIDC) data sets that contained 23 and 86 CT scans, respectively, with 23 and 73 nodules that were 3 mm or larger in diameter. For the two data sets, six and four radiologists manually delineated the outlines of the nodules as reference standards in a performance evaluation for nodule segmentation. The segmentation method was trained on the first and was tested on the second LIDC data sets. The mean overlap values were 66% and 64% for the nodules in the first and second LIDC data sets, respectively, which represented a higher performance level than those of two existing segmentation methods that were also evaluated by use of the LIDC data sets. The segmentation method provided relatively reliable results for pulmonary nodule segmentation and would be useful for lung cancer quantification, detection, and diagnosis.     

激光共焦显微生物医学图像的等高地图分割法

我们提出了等高地图分割法用于激光共焦显微生物医学图像分割。这种方法是先用等高地图法把图像分割成子区域,然后按照灰度均匀度分割准则,从高到低或从低到高逐步合并子区域。子区域的合并过程直到没有子区域需要合并为止。此方法的优点是对于物体灰度和灰度均匀度范围大而且重叠的图像具有很好的分割效果。本文首先介绍等高地图法区域分割,其次介绍按照灰度均匀度分割准则的区域合并,然后介绍线性灰度均匀度分割准则的设计,最后给出用这种方法侵害图像的两个例子。     

基于边界跟踪算法的脑磁共振图像分割

目的：脑磁共振图像的自动分割是近几年研究的一大热点,本文在通过分析比较当前各种图像分割算法后,介绍了一种基于边界跟踪的脑磁共振图像（MRI）分割算法,在MRI中提取出脑组织部分。方法：应用迭代法对脑磁共振图像进行二值化处理;扫描二值化图像,根据脑组织的形态,确定一点作为脑组织边界的起点;根据边界点的像素特征,对传统的边界跟踪算法进行改进,计算出MRI脑组织的边界,最后应用区域生长法在原始MRI中提取脑组织图像,实现MRI分割。结果：实验结果表明,改进后的边界跟踪算法在提取脑组织边界时,细节处理能力强,不易陷入死循环,具有较高的运算速度。提取的真实脑磁共振图像的脑组织区域,能满足临床的实际需要。结论：对图像二值化处理,对图像有微弱的损害,但是极大地提高了计算速度。与传统的边界跟踪算法相比,改进后的边界跟踪算法分割效率高,更易实现MRI的自动分割。获得的边界曲线在细节上更接近于脑组织的实际边界。     

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。     

3D cerebral MR image segmentation using multiple-classifier system

The three soft brain tissues white matter (WM), gray matter (GM), and cerebral spinal fluid (CSF) identified in a magnetic resonance (MR) image via image segmentation techniques can aid in structural and functional brain analysis, brain’s anatomical structures measurement and visualization, neurodegenerative disorders diagnosis, and surgical planning and image-guided interventions, but only if obtained segmentation results are correct. This paper presents a multiple-classifier-based system for automatic brain tissue segmentation from cerebral MR images. The developed system categorizes each voxel of a given MR image as GM, WM, and CSF. The algorithm consists of preprocessing, feature extraction, and supervised classification steps. In the first step, intensity non-uniformity in a given MR image is corrected and then non-brain tissues such as skull, eyeballs, and skin are removed from the image. For each voxel, statistical features and non-statistical features were computed and used a feature vector representing the voxel. Three multilayer perceptron (MLP) neural networks trained using three different datasets were used as the base classifiers of the multiple-classifier system. The output of the base classifiers was fused using majority voting scheme. Evaluation of the proposed system was performed using Brainweb simulated MR images with different noise and intensity non-uniformity and internet brain segmentation repository (IBSR) real MR images. The quantitative assessment of the proposed method using Dice, Jaccard, and conformity coefficient metrics demonstrates improvement (around 5 % for CSF) in terms of accuracy as compared to single MLP classifier and the existing methods and tools such FSL-FAST and SPM. As accurately segmenting a MR image is of paramount importance for successfully promoting the clinical application of MR image segmentation techniques, the improvement obtained by using multiple-classifier-based system is encouraging.