Segmentation of liver tumors for CT images based on mathematical morphology

目的 肝脏肿瘤的提取是肝脏三维可视化、手术规划和模拟的基础,而当前肿瘤分割存在干预过多和分割效果不佳的问题.方法 本文通过对腹部CT图像进行高斯平滑以去除图像噪声和细密纹理,计算出图像的形态学梯度并用高、低帽变换进行增强,再根据用户选择点计算内部和外部标记符,然后基于控制标记符的分水岭算法分割图像,提取出腹部CT图像中的病变组织.结果 实验结果表明,该算法能够在较少的人工干预下快速分割出肝脏病变组织.结论 该算法实现了腹部CT图像中肝脏病变组织的提取.     

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CT医学图像的边缘提取研究

为了实现人体器官的三维重建,如何准确、有效地提取二维医学图像的边缘成了首要解决的问题.我们提出一种新的图像边缘提取方法,该方法先将原始CT图像二值化,然后利用数学形态运算对二值化图像进行预处理,最后利用Canny算子提取图像边缘.通过肾脏CT图像边缘提取结果表明,该方法简单、高效、性能优越.     

基于数学形态学的血液细胞图像边缘提取

根据血液细胞边缘附近的灰度分布梯度较大的特性,运用数学形态学对缺铁性贫血的血涂片上的血细胞进行图像的边缘提取.并对原始图像分别用Sobel算子、Laplacian算子、LOG算子以及局部阈值法进行边缘检测,实验结果表明,基于数学形态学的边缘提取算法对于血液细胞图像边缘提取有很好的效果.     

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。     

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.     

基于数学形态学的心音包络提取与识别方法研究

心音包络比原始心音可以更好地显示心音的特征,是进行心音独立识别的基础.本文把数学形态学应用于心音包络的提取和识别的研究.首先利用形态学滤波和全波整流对原始心音进行预处理;然后利用形态学闭运算提取心音包络;最后应用形态学开运算来消除噪声包络.在数学形态学提取的心音包络基础上,对50例心音样本进行了第一心音、第二心音识别,全部20例正常心音的第一心音和第二心音被正确识别,27例包含心杂音的异常心音的第一心音、第二心音也被正确识别.为进一步的心音分析及心音诊断奠定了基础.     

基于生成对抗网络的肝脏CT图像分割

目的 从腹部计算机断层扫描(computed tomography,CT)图像中分割出肝脏区域,对于肝脏疾病早期诊断、肝脏大小估计以及3D重建十分重要,精准快速地分割出肝脏边缘成为研究要点.方法 采用公开发表的肝脏肿瘤数据集为研究对象,融合生成对抗网络和Unet网络对CT图像实现肝脏的自动分割.首先将腹部CT图像输入到Unet网络进行分割预测,然后通过生成对抗网络(generative adversarial networks,GAN)进行对抗训练,使得预测结果更加接近于真实结果,同时在进行对抗训练的过程中探索了不同的距离约束函数对于分割结果的影响;预测的分割结果通过Dice分数(dice similarity coefficient,Dice)、IoU分数(intersection over union,IoU)、像素精确度(pixel accuracy,PA)、相对体积误差(relative volume difference,RVD)以及相对表面积误差(relative surface area error,RSSD)在CT-核磁健康腹部器官分割挑战数据集[combined(CT-MR)healthy abdominal organ segmentation challenge data,CHAOS]数据集上进行评价.结果 L2距离约束的Gan-Unet网络可以很好地对肝脏进行分割,其Dice、IoU和PA分别达到了94.9％、91.3％、99.4％,相比于Unet的Dice、IoU和PA为92.3％、86.7％、95.8％有明确的提升.在三维指标中,本文的方法在RVD、RSSD为0.026、0.079,相比于Unet的0.042、0.191有明显下降.结论 通过对Unet网络进行生产对抗训练以及在训练过程中引入距离约束函数可以提高肝脏分割的性能,肝脏分割结果可以应用于计算机辅助诊断系统中.     

基于形态学重构的超声医学图像滤波方法

Speckle噪声是造成超声医学图像质量下降的最主要原因。我们通过修改形态学重构算法-Downhill算法的初始条件,使其适用于超声医学图像的去噪处理。首先在掩模图像中确定标记图像作为算法的初始化和开始区域,再使用改进的Downhill算法对超声医学图像进行滤波处理。实验结果表明,与其他3种传统滤波方法相比,该方法能快速有效地去除心脏腔室内的Speckle噪声同时保留图像的轮廓细节信息。     

一种基于相位相关法及数学形态学方法的眼底血管图像自动拼

Precise mosaic techniques are essential for quantitative evaluation of retinal images to make early detection of fundus anomalies feasible. Opening of a gray-scale image by a gray-scale structuring element(SE) can generate a background image. Image mosaic was achieved by subtraction this background image from the original image and then applying a phase correlation method to find translation difference. Because of the accuracy characteristics of the phase correlation method and the speed of the FFT hardware, this new algorithm can work very fast and accurately, compared to conventional techniques. The method was also characterized by an outstanding robustness against correlated noise and disturbances, such as those encountered with nonuniform illumination. The results confirm the robustness of the chosen approach.     

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.     

一种基于CT图像的肝肿瘤组合分割法

目的研究如何对医学CT图像中的肝肿瘤进行分割。方法采用一种结合二值化处理、区域生长法、边界分割法的组合分割方法,对CT图像进行降噪和边缘锐化。对26张不同的CT图像上的肝肿瘤作了分割操作,验证该方法的可行性。结果该方法能将所研究的肝肿瘤从CT图像中准确地分割出来,同时对于轮廓清晰、与周围组织粘连少的肝部CT肿瘤图像分割较好。大部分能够实现理想分割,但仍有少数的分割效果与实际相差较远。结论该方法对一般的肝肿瘤的分割具有一定的有效性,但对其他肿瘤,特别是与周围粘连较多的肿瘤的分割还具有一定的局限性。     

Segmentation for CT images of liver neoplasms based on MATLAB

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.     

基于数学形态学膨胀和腐蚀的医学磁共振图像的边缘检测

目的对腰椎磁共振图像进行椎间盘的边缘检测。方法数学形态学的基本运算是膨胀和腐蚀。通过对形态学运算的加权组合,可以构造出边缘检测的方法。分别对不同的检测方法进行了比较分析。结果发现它们各有特点。可以看出数学形态学具有很好的医学图像的边缘检测能力,可以获得图像连续的边缘,为后续的图像分割及目标识别等研究奠定了基础。结论为最终实现椎间盘的虚拟仿真外科手术方案的制定、解剖结构的测量及术后评估奠定了一个良好的基础。     

基于三维CT图像的淋巴结自动检测算法研究进展

淋巴结检测和定量分析在癌症分期、疗效评估等方面具有非常重要的意义。目前,对淋巴结的检测与评估通常是基于三维CT图像,且基本由医生手动完成。近年来,基于计算机和图像处理技术的淋巴结自动检测算法受到一定程度的关注。本文在分析淋巴结空间分布和图像特征的基础之上,首先从感兴趣区的确定、候选淋巴结检测和假阳性淋巴结的去除三个方面对已有淋巴结自动检测算法做一综述,然后对不同淋巴结自动检测算法的性能进行比较,最后对淋巴结自动检测算法发展趋势如检测区域扩展、先验知识利用、淋巴结类型增多等方面做出分析和展望。     

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。