灰度形态学运算对消除分水岭过分割的影响研究

目的：运用分水岭算法对图像进行分割存在着过分割的现象,需要结合一定的预处理方法来减少这种影响。就胸部CR图像片段运用灰度形态学运算进行预处理,以研究其对分水岭算法分割结果的影响。方法：选取PACS存储的胸部CR图像20例,对每例病例图像截取5个没有骨骼与异物干扰仅含肺组织结构的图像片段,共计100个小图片。将每个小图片及对其应用碟形结构子进行形态学开运算后的处理图像,分别运用Sobel算子进行卷积得到对应的梯度图像,并对其进行3次分水岭运算。统计原始图片得到了封闭区域数量及预处理后的封闭区域数量、原始图像漏检的结节数量以及预处理后的漏检数量,并统计数据进行配对t检验。结果：原始图像检出区域平均为14.5,预处理后图像检出区域平均为9.48,两者差异相关性为0.656,显著性〈0.000 1,t值为11.967,95%置信区间为4.188～5.852,两者具有显著性差异。而两者的漏检区域平均值分别为0.26和0.15,两者差异相关性为-0.021,显著性为0.834,检验t值为1.054,而95%置信区间为-0.097～0.317。可以认为两者没有显著性差异。结论：运用灰度形态学开运算对图片进行预处理可以有效地降低分水岭算法过分割出的假阳性病灶,同时不会增加运用分水岭算法对图像分割的漏检率。     

磁共振图像分割算法研究

本文提出一种基于图像灰度值的K-均值聚类算法,并利用这种算法对脑部核磁图像分割进行测试。K-均值聚类算法是一种自动数据分类的方法,该类算法仅依据图像像素点的灰度值将其分为不同的点群。我们使用这种图像分割算法,在针对脑部核磁图像的分割中得到了理想的分割结果,可以清晰地看到白质,灰质,皮质,第三脑室及背景的分割结果。     

一种结合高帽变换和曲线演化模型的两阶段图像分割算法

针对图像形态学处理中高帽变换能有效提取图像中不均匀背景的特点,提出了一种结合高帽变换和曲线演化模型的两阶段图像分割算法。该算法有效的扩展了曲线演化模型的适用范围,即使对于背景不均匀的自然图像和医学图像也能有效的加以分割。实验结果表明:该算法既保留了原有曲线演化模型的优势,又能高效稳健、快速地完成曲线演化过程。     

一种结合高帽变换和曲线演化模型的两阶段图像分割算法

针对图像形态学处理中高帽变换能有效提取图像中不均匀背景的特点,提出了一种结合高帽变换和曲线演化模型的两阶段图像分割算法。该算法有效的扩展了曲线演化模型的适用范围,即使对于背景不均匀的自然图像和医学图像也能有效的加以分割。实验结果表明：该算法既保留了原有曲线演化模型的优势,又能高效稳健、快速地完成曲线演化过程。     

一种肺部CT图像快速分割算法研究

针对临床辅助诊断的需求,本文提出一种肺部感兴趣区域快速分割算法。该算法首先利用最大类间方差（OTSU）法对图像进行预分割,然后利用区域生长及小面积消除方法剔除干扰信息,并生成掩模图像,最后运用数学形态学方法对模板进行细化,并将原始图像与掩模图像进行数学运算,从而获得肺部感兴趣区域。实验结果表明,本文提出的算法自动化程度高,分割较为准确。     

图像分割技术对脑部动脉瘤CTA影像的特征提取方法研究

动脉瘤与骨骼、软组织毗邻,增强动脉瘤的灰度值与骨骼接近,目前现有的分割方法都无法快速、精准地提取动脉瘤病灶。为实现医学图像的精准分割,本研究提出一种基于阈值、数学形态学的分割方法,在此基础上尝试提取病灶的形状特征。本研究利用OPENCV的图像分割算法库,结合自动化、半自动化两种方式,实现CTA动脉瘤病灶的分割提取与特征提取。结果表明,利用传统的分割方法,能够快速、精准地提取动脉瘤病灶与形状特征。     

几种分割算法在CT肝脏兴趣区提取方面的比较

目的:在计算机辅助诊断中,对已提取分割好的CT肝脏组织中的兴趣区的几种提取方法做比较。方法:利用Otsu分割算法、梯度分割算法、指数熵分割算法、均值聚类分割算法和二维直方图分割算法,对已分割的CT肝脏组织的兴趣区进行自动分割,并和医生手工分割的图像相对比。结果:通过实验及对实验数据进行分析,找出了具有良好获取兴趣区能力的分割算法。结论:通过手工分割图像分别与Otsu分割算法、梯度分割算法、指数熵分割算法、均值聚类分割算法和二维直方图分割算法做对比,总结几种分割方法的有效性,为计算机辅助诊断起到了重要的作用。     

基于金字塔连接与高斯混合模型算法的层析芯片荧光信号检测

提出了一种层析芯片荧光信号自动识别的算法。该算法使用基于RGB空间的数学形态学运算方法对图像滤波增强．并采用金字塔连接算法分割图像,然后使用高斯混合模型（GMM）检测荧光信号,最后再计算荧光区域的平均亮度。经实验证明．该算法能将荧光区域完整地分割出来,并能快速准确地检测出荧光信号．实现层析芯片的定量检测。     

几种医学图像分割方法的性能比较

详细介绍了梯度算子法、拉普拉斯算子法和迭代阈值法等3种医学图像分割方法,通过对这3种算法在高斯噪声环境下的图像分割性能进行分析和比较,得到了梯度算子法和拉普拉斯算子法对图像噪声比较敏感,而迭代阈值法对图像噪声相对不敏感的结果,最后指出了在噪声相对较大的医疗图像中可考虑利用迭代阈值法进行分割图像。     

改进的基于核函数的FCM图像分割算法

目的：对含有噪声的脑部MR图像进行分割。方法：改进了传统FCM目标函数,引入核函数的概念,用内核诱导距离来代替传统的欧氏距离;考虑到邻近像素的影响,增加了空间约束项,从而提出了一种能够合理应用图像空间信息的、改进的基于核函数的模糊C均值聚类算法。结果：对叠加椒盐噪声模拟图分割,该算法分割结果显示各灰度区域内无噪声污点;对仿真脑部MR图像分割,该算法错分率低于基于核函数的FCM算法其及改进算法。结论：与传统的FCM和其他改进算法相比,该算法能够对非精确图像进行更精确的分割。     

基于数学形态学的骨肿瘤X光片的分割

采用数学形态学的方法，根据骨肿瘤的形态特征，适当选择结构元素，对骨肿瘤X光片进行灰度形态滤波，再通过阈值法获得肿瘤边界的二值图。最后利用二值形态运算进一步处理，便可得到封闭的骨肿瘤边界，从而将骨肿瘤与背景分离。     

Computer-aided diagnosis system for classifying benign and malignant thyroid nodules in multi-stained FNAB cytological images

An automated computer-aided diagnosis system is developed to classify benign and malignant thyroid nodules using multi-stained fine needle aspiration biopsy (FNAB) cytological images. In the first phase, the image segmentation is performed to remove the background staining information and retain the appropriate foreground cell objects in cytological images using mathematical morphology and watershed transform segmentation methods. Subsequently, statistical features are extracted using two-level discrete wavelet transform (DWT) decomposition, gray level co-occurrence matrix (GLCM) and Gabor filter based methods. The classifiers k-nearest neighbor (k-NN), Elman neural network (ENN) and support vector machine (SVM) are tested for classifying benign and malignant thyroid nodules. The combination of watershed segmentation, GLCM features and k-NN classifier results a lowest diagnostic accuracy of 60 %. The highest diagnostic accuracy of 93.33 % is achieved by ENN classifier trained with the statistical features extracted by Gabor filter bank from the images segmented by morphology and watershed transform segmentation methods. It is also observed that SVM classifier results its highest diagnostic accuracy of 90 % for DWT and Gabor filter based features along with morphology and watershed transform segmentation methods. The experimental results suggest that the developed system with multi-stained thyroid FNAB images would be useful for identifying thyroid cancer irrespective of staining protocol used.     

尿沉渣分析仪的研制

介绍一种计算机显微图像尿沉渣分析仪，提出了包括预处理、特征提取等一整套基本算法，实现了尿沉渣有形成分的自动分割，并从形态学方面对尿沉渣的有形成分进行特征描述，总结了７个形态学参数并在现有图像库的基础上，给出了尿沉渣有形成分的简单分类方法。     

视网膜眼底图像中视盘的检测方法

视盘的准确检测对视网膜眼底图像的其他特征,如血管和微动脉瘤的精确检测非常重要。本文提出一种结合视盘亮度和圆形度特征的视盘检测方法,先对眼底图像进行预处理,然后运用数学形态学运算去除血管的干扰,采用阈值分割提取出可能为视盘的区域,最后再根据视盘的面积和圆形度特征检测出真正的视盘区域。实验结果表明,本文算法具有较高的定位精度和较快的定位速度。     

T淋巴细胞rDNA转录活性检测系统的研究

目的：研究计算机视觉中的图像分割关键技术，解决图像边缘提取问题。方法：利用灰度直方图与灰度变化率分布图重叠法，对T淋巴细胞图像进行自动分割、识别和提取。结果：在外围血T淋巴细胞rDNA转录活性检测系统的开发中，针对T淋巴细胞染色后的制片图像处理方法进行研究，较好地解决了边缘提取的问题。结论：系统运行简便可靠，准确度和精确度能够满足临床诊断的需要。     

基于图像分割的MRI,CT脑图像自动配准的探讨

图像配准是图像融合等医学图像处理过程的关键技术,本文探讨的ＣＴ与ＭＲＩ脑图像配准方法,采用自动分割两种图像的颅骨区域及用数学形态学方法修正,以此区域进行匹配,研究结果表明,该方法对原如图像的质量要求较低,其预处理过程可有效地提高搜索效率。     

基于纹理特征和GRBF网络的医学图像分割

目的：研究一种新的图像分割算法，以获得更好的医学图像的分割结果。方法：采用基于纹理特征和广义径向基函数（Generalized Radial Basis Function，GRBF）神经网络的图像分割方法对医学图像进行分割．根据灰度共生矩阵获得纹理特征参数，形成广义径向基函数神经网络的输入矢量，对网络进行训练和仿真测试。结果：该算法取得更为理想的图像二值化的结果，且实验发现GRBF网络的泛化能力比RBF网络更胜一筹。结论：研究了边界模糊的医学图像的纹理特征．结合GRBF神经网络一得到一种有效的医荤图像奔割方法     

基于SUV值的智能肺癌识别

目的：提出一种新的智能识别肺部肿瘤（Positron Emission Tomography，PET）图像的方法，提高分割速度和精度。方法：先对标准摄取值（Standard Uptake Values，SUV）值进行非线性化以增强图像，然后用迭代法二值化图像，最后用连通标记法来识别肿瘤。结果：该方法分割效果好，速度快。结论：和传统分割方法相比较，该方法具有智能性，分割精度高，更适合于肺部肿瘤。     

光学相干层析成像的视网膜层状结构自动分割

目的利用算法实现对视网膜层状结构的自动分割及定量分析是光学相干层析成像技术应用于青光眼及视网膜病变早期诊断的关键。现存处理方法对图像质量要求较高且可靠性不高。该文拟利用改进的非线性复合扩散滤波等方法解决这个问题。方法首先对自主搭建的OCT系统获得的20幅视网膜图像,通过自动阈值、改进的非线性复合扩散滤波、形态学操作、峰值探测等综合算法,进行分割,比较准确的分割出内界膜（ILM）、外核层（ONL）、内节层和外节层（IS/OS）以及视网膜色素上皮与脉络膜层（RPE_ChCap）边界,最后测量得到视网膜的厚度。结果本算法对视网膜的分割与专家手动测量有较好的一致性,视网膜中心凹测量结果与Zeiss Stratus OCT视网膜中心厚度212±20μm数据一致。结论该文提出的算法有希望应用于临床视网膜疾病的诊断。     

血常规检验中全自动血细胞分析仪、血细胞涂片细胞形态学的应用效果

目的:深入研究血常规检验中全自动血细胞分析仪、血细胞涂片细胞形态学的应用效果。方法:随机选择2017年4月~2018年4月到本院进行血常规检验的100例患者作为本次的观察对象,在其他条件相同的情况下,使用全自动血细胞分析仪和血细胞涂片形态学检验的方法对100例患者进行血常规检验,比较两种检验方法的血常规检查结果。结果:单核细胞、淋巴细胞、中性粒细胞和嗜酸性粒细胞阳性检出率在这两种检验方法的结果中不存在较大差异,只有嗜碱性粒细胞以及异常细胞的指标的阳性检出率存在着较大的差异,全自动血细胞分析仪和血细胞涂片细胞形态学检验差异具有统计学意义(P<0.05)。结论:在血常规检验过程中应用全自动血细胞分析仪和血细胞涂片细胞形态学检验方法均能够检验出异常的细胞,但检验结果存在着一定的偏差,如果将两组方法结合起来使用能够促进检验准确性的提升。