一种用于医学图像配准的图像外边界的提取方法

医学图像配准是医学图像融合的第一步,而基于图像边界的配准方法对刚性物体图像（如人头颅骨的CT、MRI图像）来讲是一种较好的配准方法。本文给出了一种医学图像外边界的提取方法,它能够快速、准确地提取出CT、MRI等图像的外边界,为用边界法进行图像配准提供了保证。     

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.     

三维医学图像序列的自动连续分割

我们针对医学辅助诊断系统中从M R图像分割脑肿瘤的问题,改进了区域竞争算法,并利用它实现了医学图像序列间的连续自动分割,特别是脑肿瘤的分割和脑膜瘤的自动识别。模糊化区域竞争算法是为了更好的适应医学图像的模糊与不均匀的特点,而用区域增长做初始化可以给区域竞争提供用来竞争和合并的过分割区域。为了实现医学图像序列的自动连续分割,每一副切片的分割结果都会被用作初始化下一张切片;并且我们根据脑膜瘤的特点实现了它的自动识别。实验表明,我们的自动分割算法对仿真脑图像和真实脑图像均有较好的分割精度,并能满足系统对分割快速性的需要。     

区域对比度模糊增强及其在医学图象边界检测中的应用

本文在广义模糊集合与广义模糊算子的基础上,给出了一种基于增强图象区域之间对比度的边界检测算法,并利用升半梯形模糊分布将空间域的灰度图象变换为对应的广义隶属度函数。实验结果表明该算法对于灰度层次丰富的医学图象边界提取效果是较好的。     

基于模糊数的乳腺肿瘤超声图像边缘快速提取方法

乳腺肿瘤边缘的准确提取在临床上对肿瘤良恶性的判别有重要的意义。本文利用三角模糊数的概念，采用重叠式窗口从图像中得到与不同隶属度对应的模糊数，从而建立以步进方格（marching square）为基本单元的模糊数平面；通过区间阈值得到步进方格上的映射区间，根据步进方格算法将对应映射区间着色绘制出肿瘤的边界。分别对恶性和良性肿瘤超声图像进行边缘提取。结果显示，本文方法相比一般提取边缘的算法具有快速准确提取乳腺肿瘤边缘的特点。实验证明本方法可以有效用于乳腺肿瘤超声图像边缘提取。     

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.     

模糊多尺度边缘检测在医学超声图像边缘检测中的应用

介绍了模糊多尺度边缘检测方法，按照多变量隶属度函数的定义构造了多尺度边缘隶属度函数，并将其与小波变换结合应用到医学超声图像的模糊多尺度边缘检测中。小波变换可以提供图像的多尺度描述，多尺度模糊集表示了图像的象素点隶属于图像边缘点集合的程度。模糊多尺度边缘检测方法可以将各个尺度的信息更有效地复合起来，得到更好的边缘检测效果。     

医学图像分割技术研究

医学图像分割技术是医学图像处理和分析中的关键技术.医学图像分割在医学诊断中扮演着重要角色,是图像分割的一个重要应用领域.本文综述和讨论了近年来的医学图像发展概况、分割技术、研究热点及其医学图像分割的评价等问题,并简要讨论了每类分割方法的特点及医学图像分割发展趋势.     

医学超声图像分割技术的研究及发展趋势

图像分割在医学超声图像的定量分析和定性分析中均扮演着十分重要的角色 ,它直接影响到后续分析和处理工作。目前 ,虽然文献中记载着大量的图像分割方法 ,但对于具有复杂特性的医学超声图像 ,这些方法往往显得无能为力。本文拟在分析医学超声图像特性的基础上 ,对医学超声图像分割方法作一综述和评价 ,并对其发展趋势进行了展望     

医学超声图像分割技术

图像分割在医学超声图像的定量、定性分析中均扮演着重要的角色,它直接影响到后续的分析、处理工作.但因其本身所具有的复杂性,医学超声图像的分割实际上是一件非常困难的事情,至今仍是一个悬而未决的世界性难题.因此我们更为详细的了解医学超声图像的一些分割技术,才能对这些方法加以运用,使得这些技术相辅相成,在实际应用中才能根据需要结合起来,形成更好的分割效果.     

血液白细胞图象的计算机自动分割方法研究

本文提出了一套血液白细胞图象的计算机自动分割方法。实际测试表明：该方法稳定可靠且有效。单个白细胞检出成功率达９６％，区域分割吻合率平均达９４％，现已将该方法装入作者研制的白细胞自动分类识别ＬＥＵＫ分析系统的分割模块中。     

广义模糊集合论及其在图象处理中的新应用

作者的早期研究成果广义模糊集合论在本文中得到进一步的完善,相对完整系统地探讨了广义模糊集合的性质,并给出了一些新的定义和运算公式。此外还将其运用到图象处理的某些领域如数字减影和目标识别,实验结果证实了它的优越性,显示出广义模糊集合论在图象处理中具有良好的发展前景     

医学图像标志点的自动配准

提出一种医学图像标志点自动识别方法，构造一个标志点的模板，利用区域相关景像匹配法，能快速、精确地将图像上的标志点识别出来。同时提出一种标志点自动配准算法：(1)定义标志点的多维距离向量，在图像空间或手术空间中，用某一标志点到其余点有序距离分量组成的向量，作为每个标志点的多维距离向量；(2)由于刚体变换保持距离不变，同一标志点在一个空间中的多维距离向量，与它在另一个空间的多维距离向量具有最大的相近性，比较每两个点(分属不同空间)多维距离向量的相关系数，就可以找出图像空间标志点与手术空间标志点的对应关系；(3)将所有点对坐标值代人刚体变换线性方程组，用最小二乘法求出从图像空间到手术空间的刚体变换矩阵，最终实现医学图像标志点的自动识别和配准。     

多谱MR脑图象的组织分类

传统的基于灰 度的 Ｍ Ｒ Ｉ 脑图象分 割很 难达 到临 床应 用的 需要, 因为 受 Ｒ Ｆ 线圈、 Ｍ Ｒ 设备 的操 作环境等的影响 ,在同一 幅 图象 中或 各 扫描 图象 间都 存 在灰 度不 均 匀性。 本 文采 用 聚类 分 析法 ,由 单谱图象的灰 度和纹理参数构 成特征向量,进 行初始分 类。在 此基础 上采用 适配 分割算 法,通 过估计有偏场, 对多谱图象的灰 度进行校正,从 而实现对脑组织 的正确分类。     

用模糊数学方法融合多模医学图像

提出一种基于模糊数学的方法来融合多模医学图像。采用改进的FCM算法分割图像,用自动模糊重分布的算法确定隶属度。在融合步骤中考虑到了16种不同图像组织的交混情况和16种上下文关系,总共256种模糊关系。实验结果表明:该方法有很强的抗配准偏差能力和抗分割干扰能力,并具有稳健、快速、精确等特点。     

用邻域运算从CT图像中分割骨骼

阈值法是传统的从CT图像中分割骨骼的方法，但由于部分体积效应，这种方法难以分割骨骼的细小部分。本方法定义了邻域相关度的概念，用来描述体素在其26-邻域内与某种组织的相关程度。在文中，一种利用邻域运算的骨骼分割方法被提出，首先取一个较大的初始阈值，分割出骨骼体素，再选取一个下限阈值，灰度位于初始阈值和下限阈值间的体素被定义为模糊体素，用邻域运算计算每一个模糊体素对骨骼和对其它组织的邻域相关度，比较二者的加权值，以判断此体素可否转化为骨骼体素。循环搜索所有模糊体素，直到不能从模糊体素中转化出骨骼体索为止。这种方法能分割骨骼的细小部分，对初始阈值不敏感，具有良好的稳定性。     

线性的医学图像边界检测方法中六种算子的比较

图象的边界检测是图象处理的一个重要部分。本文根据实践经验首先提出了边界检测的评判标准，继而对几种线性算法进行了描述，并将它们用ＶｉｓｕａｌＢａｓｉｃ语言对同一图象进行了实现，从而直观地反映了各算法的优劣，为我们处理实际的医学图象提供了基础。     

模糊神经网络在颅脑磁共振图像分割中的应用研究

由于颅脑磁共振图像分割的效果受制于解剖结构和成像过程引起的边缘模糊和噪声，本研究结合神经网络和模糊逻辑技术，提出一种基于模糊神经网络的颅脑磁共振图像的半自动分割算法。分割实验的结果表明，在同等条件下，模糊神经网络分割算法的收敛速度比BP神经网络分割算法快三倍以上；与最大似然法、模糊c均值聚类和BP神经网络分割算法相比，FNN分割算法的抗噪声和抗模糊能力更强。     

Supervised Segmentation of Polycystic Kidneys: a New Application for Stereology Data

Stereology is a volume estimation method, typically applied to diagnostic imaging examinations in population studies where planimetry is too time-consuming (Chapman et al. Kidney Int 64:1035–1045, 2003), to obtain quantitative measurements (Nyengaard J Am Soc Nephrol 10:1100–1123, 1999, Michel and Cruz-Orive J Microsc 150:117–136, 1988) of certain structures or organs. However, true segmentation is required in order to perform advanced analysis of the tissues. This paper describes a novel method for segmentation of region(s) of interest using stereology data as prior information. The result is an efficient segmentation method for structures that cannot be easily segmented using other methods.