基于滑动块的深度卷积神经网络乳腺X线摄影图像肿块分割算法

目的:提出一种基于滑动块的深度卷积神经网络局部分类、整图乳腺肿块分割的算法,为临床诊断提供有效的肿块形态特征。方法:首先通过区域生长算法和膨胀算法提取患者乳腺区域,并进行数据归一化操作。为了得到每一个像素位置上的诊断信息,在图像的对应位置中滑动提取肿块类及非肿块类图像块,根据卷积神经网络提取其中的纹理信息并对图像块进行分类。通过整合图像块的预测分类结果,进行由粗到细的肿块分割,获得乳腺整图中像素级别的肿块分割。结果:通过比较先进的深度卷积神经网络模型,本文算法滑动块分类结果DenseNet模型下准确率达到96.71%,乳腺X线摄影图像全图肿块分割结果F1-score最优为83.49%。结论:本算法可以分割出乳腺X线摄影图像中的肿块,为后续的乳腺病灶诊断提供可靠的基础。     

乳腺X线图像肿块分割

乳腺肿块分割是乳腺癌计算机辅助诊断(CAD)检测和识别系统中关键的一步.由于乳腺肿块与背景相互交叠、边界不清晰、乳房密度不均匀,使得其分割比较困难.本文基于区域增长算法,研究了利用乳腺肿块自身特征得到最优分割阈值的方法,从而提出一种对乳腺X线图像肿块快速、有效的分割方法.实验结果表明该方法在保证肿块针状化特征情况下,拥有较好的分割效果.     

基于椭圆形状约束的Snake模型分割X线图像椎弓根影

提出一种改进的梯度矢量流(GVF)Snake模型算法用于分割脊椎X线图像中的椎弓根影,并根据分割结果测量脊椎旋转度,以减少手工测量的误差.根据椎弓根影近似椭圆形状的特点,将采用距离函数表示的椭圆形状先验信息作为约束力对Snake的形变过程进行约束,其中的约束椭圆通过对初始分割结果进行拟合获得.迭代进行Snake形变过程和椭圆拟合过程,直到分割结果收敛.基于分割所得椎弓根影边界,计算其中心,进而完成脊椎旋转角度的测量.对208个脊椎X线图像,采用本方法均可准确实现原GVF Snake模型难以完成的对椎弓根影的分割.对手工测量和计算机测量结果分别进行观察者间的误差分析,结果表明:计算机测量减少了观察者间误差,本方法将有助于医生更可靠地测量脊椎旋转度.     

乳腺X线图像的计算机辅助诊断技术研究进展

乳腺癌是妇女中多发的癌症 ,其发病率近年来有增高趋势。早期发现、早期诊断、早期治疗是降低乳腺癌患者死亡的关键。本文就临床上首选的影像学诊断方法——钼靶 X线乳腺摄影的计算机辅助诊断技术进行了较为详细的综述 ,并就该技术的发展趋势进行了展望     

乳腺钼色X线图像的计算机辅助早期诊断技术

乳腺癌是盛行于广大妇女中的癌症，其发病率近年来呈增高趋势，早期发现、早期诊断、早期治疗是降低乳腺癌死亡的关键。本文就临床上首选的影像学诊断方法-钼靶X线摄影的计算机辅助诊断技术进行了较为详细的综述，并就该技术的发展趋势进行了展望。     

数字乳房X射线图像的肿块分割算法研究

为了使临床医生从数字乳房X射线图像中得到更多有用的肿块信息,通过研究增强后的数字乳房X射线图像,结合图像特点,提出利用区域生长方法对图像进行肿块分割的算法.此算法可以有效地分割出图像中的肿块区域,并很好地保持了肿块的边缘信息.     

基于医学图像内容检索的计算机辅助乳腺X线影像诊断技术

乳腺癌是女性中高发的恶性肿瘤疾病.近年来,其发病率呈增高趋势.早期发现、早期诊断和早期治疗是降低乳腺癌患者死亡率的关键.计算机辅助诊断(CAD)技术能够有效提高早期诊断的准确性,而基于内容医学图像检索(CBMIR)技术的引入,为乳腺癌的诊断提供了有效的决策支持.文中就近年来基于医学图像内容检索的计算机辅助乳腺X线影像诊断关键技术进行了较为详尽的综述,包括微钙化和肿块检测、特征提取、相似性测度和相关反馈技术等,同时对该领域的发展趋势进行了展望.     

一种X线医学图像的增强及角点检测算法的研究

目的：利用MSR算法提高图像质量及角点检测的精度,然后再利用提取的角点来提高图像的配准与拼接速度及精度。方法：首先采用基于人眼感知亮度和色度的视觉模型改进的MSR算法对图像进行增强处理,然后采用改进的harris算法对增强后的图像进行角点提取。结果：采用本文算法对来自COX网站的一幅X线医学图像进行增强、角点检测,处理前后图像的信息熵分别为4.3706、7.3817,增强后的图像质量有明显提高,有效地避免了角点簇拥现象并使角点定位更加精确。结论：实验结果表明,本文采用的算法不仅能有效改善图像质量,而且能更有效、更精确地进行角点检测与提取。     

基于Random-Walk算法的DR图像分割方法

本文算法对原图像进行快速Mallat小波分解得到骨干图后,利用其高频子带梯度信息优化边的权重,并在概率阈值的准则下对争议区域做进一步划分,最后把最大到达概率所在类的标签赋予未标定顶点,并扩展到原图像,得到分割边界。用微软GrabCut分割数据库图像和实际DR图像对该算法进行了验证,该算法能快速而有效地分割出特定的图像,适用于DR图像的分割,为进行组织增强和进一步提高DR图像质量打下基础。     

基于形变模型的医学图像分割算法研究

结合形变模型和模糊C-均值（FCM）分割技术，提出了一种基于形变模型的医学图像解剖结构轮廓分割方法，在FCM分类的基础上，利用成员隶属函数定义一种模糊约束力并附加于形变模型的外部约束力中．在该种复合外部约束作用下，使形变模型能更好地收缩于解剖结构的轮廓。图像实验结果表明该方法的有效性和可行性。     

基于克隆算法的乳腺X线影像计算机辅助诊断算法（英文）

乳腺钼靶X线片微钙化点自动提取是乳腺图像处理中的热点问题。许多算法已经被提出,但由于阳性检出率低,假阳性率高,不能完全满足临床应用的需要。本文提出一种基于克隆算法的微钙化点自动提取方法,目的是获得高阳性检出率和较低的假阳性率。该方法基于对克隆技术分析和假设的基础上,模拟动物克隆过程,建立一种新的克隆算法数学模型。本文数学模型被用于乳腺钼靶X片微钙化点自动提取,取得较好效果。计算机仿真结果验证了本文算法的有效性。     

乳腺X线摄影最佳条件的研究

本文通过研究乳腺Ｘ线摄影时影响影像清晰度的各种因素，分析导出乳腺Ｘ线摄影时焦点尺寸、屏胶系统模糊及肢体移动对影像清晰度的贡献，得到放大摄影时能够最大程度降低影像模糊的最佳放大倍率及其与焦点大小、屏胶系统模糊的数量关系。     

基于CR的常规X线数字化系统的实现

实现常规X线摄片数字化,CR和DDR是必须依赖的两种不同的设备.关于两种设备的成像原理、成像特点、优缺点比较,许多文献都作了报道.     

基于双阈值的乳腺X线图像的微钙检测

在世界范围内乳腺癌已成为导致妇女死亡的最主要癌症之一。由于乳腺癌诱因不明，目前对其的早期发现成为预防和治疗的最重要措施。微钙簇是恶性乳癌主要的早期标志，在数字化乳腺X线图像中，微钙不仅面积小，且与背景的亮度差小，因此检测出所有微钙点是当前所面临的一个技术挑战。我们提出了一种基于LoG边缘检测的双闽值微钙检测方法，使微钙点得以准确定位。文中提出了两个准则以确定两个不同的阈值。实验结果显示，该算法可以在抑制噪声的同时准确定位微钙点。     

一种基于水平集的脊柱MRI图像分割算法的研究

水平集方法应用于图象分割的曲线或曲面进化问题,是一种稳定有效的数值计算方法.本文基于水平集方法提出了一种新的医学图像解剖轮廓分割算法,定义了一种用于终止进化的速度函数,构造了一种基于领域的进化方式.并对脊柱MRI图象进行了分割实验.得到了令人鼓舞的结果.表明了该种算法的可行性和有效性.     

用非线性统计估计技术进行骨肿瘤X线图像的散射校正

本文基于泊松数据模型，利用MLEM（Maximum Likelihood Expectation Maximization)算法进行骨肿瘤X线图像的散射校正。最后将本文方法和去卷积方法分别应用于临床骨肿瘤X线图像。实验结果表明本文方法明显优于去卷积方法。     

西门子AXIOM Artis系列X线机摄影参数的研究

主要研究和分析了AXIOM Artis系列X线机的摄影参数,参数之间的相互关系,以及获取最佳图像的参数选择。总结了一组心血管X线造影检查较完整的曝光参数放置值。     

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。     

基于小波变换的乳腺X线影像微钙化点感兴趣区域提取新技术

为乳腺癌早期诊断和乳腺X线影像微钙化点计算机辅助检测作前期预处理,提出了一种基于小波变换的微钙化点感兴趣区提取新技术。其具体思路是:(1)将乳腺区域图像提取成等大的子图像;(2 )对每一幅子图像进行小波变换,根据特征参数ρ讨论最优小波变化参数和阈值T;(3)根据阈值T判别子图像是否属于感兴趣区。对临床实际病例(2 0幅乳腺X线影像)的试验结果表明,该方法具有较高的检出率(89.7% ) ,和较为满意的假阳性率(2 .1% )。