改进的区域生长算法在医学图像分割中的应用

通过对颅脑CT图像的特征分析，引入阈值法和边缘检测以改进区域生长算法，用此法自动剔除CT图像的头架与头垫。实验结果表明，此算法能得到令人满意的结果，不仅剔除了头架与头垫，而且保留了皮肤信息。此方法能克服传统区域生长法的不足，能自动、快速、有效地分割颅脑CT图像。     

基于Prewitt算法的颅内CT图像病灶分割算法

针对颅内CT图像病灶周围存在大量噪声,分割结果欠佳的问题,本研究提出基于Prewitt算法的颅内CT图像病灶分割算法。首先采用改进型中值小波去噪算法,去除颅内CT图像中的噪声点,优化图像质量;然后使用基于Prewitt算法的图像分割法,完成去噪后CT图像的病灶分割。结果表明,本研究算法在分割颅内CT图像病灶时,错分率为对比算法的1/10,并可将颅内CT图像的噪声点全部去除。说明该算法对颅内CT图像病灶的分割可行性,可用于颅内CT图像病灶分割。     

基于改进区域生长算法的肝脏分割方法研究

目的：把肝脏从医学图像中提取出来,为肝脏三维定位以及放疗计划制定提供准确的数据。肝脏与其周围器官组织灰度差别小、边界不明显,而传统区域生长算法生长准则单一,不能满足分割精确度需求,并且未经处理的轮廓比较粗糙。针对这些问题,本文提出一种改进的区域生长算法。方法：本文算法主要从三个方面改进：基于先验经验和肝脏特性的种子区域选择;基于Canny算子边缘检测结果的区域生长准则动态优化;基于漫水填充法和曲线拟合的轮廓后处理。结果：本文使用多套临床实际腹部CT序列测试算法,以医生手动勾画结果为标准进行评价。在大多数CT切片上的肝脏自动分割都能取得较好的结果,并且分割用时很短,保证了效率。结论：测试结果表明,本文算法在动态控制区域生长和平滑轮廓方面有很好的作用,在保证速度的同时有效提高了肝脏自动分割精度。     

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。     

基于多尺度边缘分割与混合注意力机制的脊柱CT图像分割

脊柱疾病的前期主要通过计算机断层扫描技术进行筛查与初步判断。为解决脊柱CT图像目前存在的椎骨结构复杂、分割精度不足等问题,提出一种基于3D U-Net框架的脊柱CT图像改进分割网络,通过融合SE残差单元、椎骨边缘分割模型与改进混合通道-空间注意力机制,在VerSe 19、VerSe 20与CTSpine1K脊柱数据集上进行分割训练与测试。多次测试实验结果表明,本文模型在保证分割精度和分割效率有效提高的同时具有较好的泛化性与鲁棒性,在Dice相似系数、豪斯多夫距离与平均表面距离上相较于其他先进网络分割精度更高。本文模型在现有脊柱分割的网络中具有更强的分割性能,可为放射科医生提供有效临床信息。     

基于区域生长的图像分割研究进展

图像分割是图像处理与图像分析的基础步骤,主要难点是图像分割的不适定性。区域生长法算法简单,计算速度较快,是一种运用广泛的图像分割技术。本文根据当前主要的基于区域生长的分割模型,讨论了区域生长法中的种子点自动选取、相似性判断准则、适用情况及其改进方向,并对区域生长技术的发展进行了展望。     

基于肺部CT序列图像的肺实质三维分割

目的:肺实质分割是基于CT图像的肺结节计算机辅助检测技术必不可少的步骤。结合阈值技术、连通区域标记以及形态学技术,提出了一种简单有效的从CT图像中分割三维肺实质的方法,以期能为后续肺结节计算机辅助检测技术的研究奠定基础。方法:首先,将原图像二值化,并应用三维连通域标记去除背景及细小空洞;然后,经三维区域生长法去除气管;最后,经形态学滤波平滑肺边界得到肺部精确的三维模板,并采用该模板从CT序列图像中分割出肺实质。结果:根据对20组层厚2.0mm、每组约250个切片的肺部CT临床数据实验验证,其肺实质分割的平均正确度为91.55%,处理单组数据平均耗时167.4563s。结论:实验结果表明,本文方法能自动快速地从CT序列图像中分割出肺实质。     

冠状动脉血管造影图像三维分割方法

冠状动脉计算机断层扫描血管造影技术已广泛应用于心血管疾病的诊断,冠状动脉的有效分割在冠心病诊断中起着重要的作用。本文提出一种冠状动脉血管造影图像三维分割方法,首先进行数据预处理;然后,利用分水岭算法得到子区域;最后,利用区域生长方法将分水岭子区域合并,实现冠状动脉的三维分割。本文以放射科医生手动标注结果作为标准,验证提出算法的可行性和有效性。实验结果表明,本文提出的分割方法能够有效克服冠状动脉周围组织的干扰,从而取得精确的分割结果。     

一种基于参数自适应的CT图像肺气道树分割方法

肺CT图像气道树分割对于肺呼吸功能测定和疾病诊断具有重要意义,但图像噪声和部分容积效应的影响会造成气管分割的泄漏,难于分割出微小的气管。本文利用肺气道树的解剖结构信息,对肺气道树进行分段处理,并提出一种分割参数自适应的方法,动态调整各气管段的分割参数。实验表明,该方法能提高分割的速度和精度,并有效防止泄漏。     

一种基于组合分割思想的尿沉渣图像分割新方法

本研究针对复杂散焦的尿沉渣图像的精细分割,提出了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,然后根据粗分割得到的子图像的情况采用边缘检测或者自适应阈值分割的混合分割方法进行细分割,最后再采用剥离算法处理待分割的粘连重叠成分的分割。该方法不受散焦影响,充分利用了图像的多种信息,因此分割结果准确。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。     

图像分割在医学图像处理中的应用

目的讨论了医学图像处理中图像分割的几种算法。方法讲述了几种图像分割的算法，并应用于实际的医学图像处理中。结果每种图像分割算法与图像处理都有各自不同的处理效果，各有优、缺点。结论在具体实际情况的使用中，根据不同的情况采用不同的分割算法，以达到更好的效果。     

基于增强CT的手动勾画与基于PET-CT的自动勾画方法在鼻咽癌放疗中的对比研究

目的:探究基于增强CT的手动勾画与基于PET-CT的自动勾画方法在鼻咽癌放疗中的优劣性及应用价值。方法:采集34例鼻咽癌患者的PET-CT数据,比较医生分别在增强CT和PET-CT图像上勾画靶区的差异性,以CSCO指南在PET-CT双模态融合图像上手动勾画的靶区作为金标准,应用Matlab软件计算单一标准摄取值（SUV）阈值分割法和MIM软件自带的PET-EDGE分割法两者的重叠率Dice和豪斯多夫距离HD值,并采用t检验进行统计学分析。结果:基于增强CT图像的手动勾画法、基于PET-CT图像的单一SUV阈值法以及PET-EDGE自动勾画法,3者靶区分割结果的Dice值分别为0.706、0.736、0.806,HD值分别为12.601、11.631、6.143 mm。以PET-CT双模态图像作为参考的靶区手动勾画法与基于增强CT的手动勾画存在差异（Dice:P=8.33×10-7;HD:P=1.065×10-18）;MIM软件自带的PET-EDGE靶区分割法Dice和HD值高于单一SUV阈值法,差异具有统计学意义（Dice:P=0.019 8;HD:P=0.013 7）。结论:在鼻咽癌肿瘤靶区的分割性能上,基于PET-CT图像的自动勾画优于基于增强CT图像的手动勾画,MIM软件自带的PET-EDGE分割法优于单一SUV阈值分割法。     

基于卷积神经网络和图像显著性的心脏CT图像分割

目的心脏医学影像中,感兴趣部分的提取与分割是诊断心脏病变部位的关键。由于心脏舒张、收缩以及血液的流动,心脏CT图像易出现弱边界、伪影,传统分割算法易产生过度分割的情况。为此,提出一种基于卷积神经网络和图像显著性的心脏CT图像分割方法。方法采用卷积神经网络对目标区域进行定位,滤除肋骨、肌肉等造影对比不明显部分,截取出感兴趣区域,结合感兴趣区域的对比度计算并提高感兴趣区域的心脏组织的显著值。通过获得的显著值图像截取心脏图像,并与区域生长算法的分割结果进行对比。最后使用泰州人民医院11例患者的影像数据对算法模型进行训练和测试,随机选择9例用于训练,剩余2例用于测试。结果所提算法模型在心底、心中、心尖3个心脏分段的分割正确率分别达到了92.79%、92.79%、94.11%,均优于基于区域生长的分割方法。结论基于卷积神经网络和图像显著性的分割方法能够准确获取心脏的外围轮廓,轮廓边缘更加平滑,完全能够满足CT图像序列的心脏全自动分割任务需求,分割后的图像更有利于医生对患者心脏健康状况和病变部位的观察。     

基于边缘监督的肝部超声图像包膜分割网络

肝纤维化、肝硬化的早期发现对临床治疗和预后评估具有重要意义。而肝包膜的形态和纹理特征是计算机辅助肝硬化诊断的重要依据。本文提出一种基于边缘监督的肝部超声图像包膜分割网络。该网络以常用的分割模型UNet为基础,引入空洞卷积,扩大感受野;同时,添加了边缘监督模块,从而将特征学习主要聚焦在图像梯度较大的部分;此外,还设计了混合加权损失函数,来缓解肝包膜部分与其他区域之间的极度不平衡情况。实验结果表明,本文提出的ES-UNet网络结构平均Dice系数相比原始UNet提高了0.171 5,平均交并比（MIoU）提高了0.021 5,其他指标也有较明显的提高,可见,本文算法的各个组件对模型分割性能的优化都有一定的贡献,改进后的模型可以实现肝包膜的精确分割。     

基于卷积神经网络和Transformer的肝脏CT图像分割方法

针对现有的卷积神经网络在肝脏图像分割上精度较低的问题,提出了一种以U-Net网络模型为基础的分割算法。将多头自注意力机制引入到U-Net网络的跳跃连接中,在编码器部分使用空洞卷积,采用混合损失函数从而提高分割精度。在LITS数据集上通过实验结果表明,利用本文方法进行肝脏分割与传统U-Net方法相比Dice系数提升3.3%,平均交并比提升了2.4%,平均像素准确率提升了3.66%。     

Prioritization of brain MRI volumes using medical image perception model and tumor region segmentation

The objective of the present study is to explore prioritization methods in diagnostic imaging modalities to automatically determine the contents of medical images. In this paper, we propose an efficient prioritization of brain MRI. First, the visual perception of the radiologists is adapted to identify salient regions. Then this saliency information is used as an automatic label for accurate segmentation of brain lesion to determine the scientific value of that image. The qualitative and quantitative results prove that the rankings generated by the proposed method are closer to the rankings created by radiologists.     

基于重采样的胸部CT图像肺实质自动分割

目的胸部CT图像的肺实质自动分割是肺部疾病计算机辅助检测的重要基础。为提高分割速度,本文提出并实现了一种基于重采样的分割算法。方法首先对数据重采样,提取部分（1／8）体数据。再基于重采样体数据,通过阈值分割、胸腔提取、气管剔除、血管填充、左右肺分离和肺壁结节填充等步骤,得到初步分割结果。然后将该结果还原到完整数据体上,形态学平滑后即完成最终分割。最后将算法应用于20例患者数据（2556个断层）,并与放射科医生手动分割结果进行比较。结果本文算法对20例患者数据均能取得优异结果,与放射科医生手动分割的平均面积重叠率达99．02％,且适用于左右肺相连、肺壁存在结节、视野不完整等异常情况。通过数据重采样极大缩短分割时间,一般可缩短50％,一帧图像平均耗时小于0．25s。结论本文算法能够实现胸部cT图像肺实质的自动分割,结果准确可靠,鲁棒性好,速度快,基本满足实际临床需求。     

Three-dimensional segmentation of tumors from CT image data using an adaptive fuzzy system

A new segmentation method using a fuzzy rule based system to segment tumors in a three-dimensional CT data was developed. To initialize the segmentation process, the user selects a region of interest (ROI) within the tumor in the first image of the CT study set. Using the ROI's spatial and intensity properties, fuzzy inputs are generated for use in the fuzzy rules inference system. With a set of predefined fuzzy rules, the system generates a defuzzified output for every pixel in terms of similarity to the object. Pixels with the highest similarity values are selected as tumor. This process is automatically repeated for every subsequent slice in the CT set without further user input, as the segmented region from the previous slice is used as the ROI for the current slice. This creates a propagation of information from the previous slices, used to segment the current slice. The membership functions used during the fuzzification and defuzzification processes are adaptive to the changes in the size and pixel intensities of the current ROI. The method is highly customizable to suit different needs of a user, requiring information from only a single two-dimensional image. Test cases success in segmenting the tumor from seven of the 10 CT datasets with <10% false positive errors and five test cases with <10% false negative errors. The consistency of the segmentation results statistics also showed a high repeatability factor, with low values of inter- and intra-user variability for both methods.     

自发性低颅压患者与慢性硬膜下血肿患者的临床及影像学对比分析

目的：探讨自发性低颅压患者与慢性硬膜下血肿的临床及影像学特点对比分析,以提高诊断及鉴别能力。方法：回顾性分析20例自发性低颅压患者及20例慢性硬膜下血肿患者的临床及影像学资料并进行对比。结果：两组患者均以头痛为主要临床表现,自发性低颅压患者均以体位性头痛为主要表现,5例自发性低颅压患者伴有硬膜下血肿,可伴有头晕、恶心、呕吐、颈部疼痛、耳鸣、听力下降,CSF压力均<60 mmH2O,而慢性硬膜下血肿除头痛之外,部分有精神障碍和偏瘫症状。影像学上两组均可表现为硬膜下等T1、长T2表现,自发性低颅压患者还伴有硬脑膜明显强化,脑组织肿胀,“脑组织下移”改变,而慢性硬膜下血肿不具有这些特点。自发性低颅压患者给予补液等保守治疗效果好,而硬膜下血肿保守治疗效果差,需要钻孔引流。结论：自发性低颅压与慢性硬膜下血肿有一定的相似之处,但临床及影像学均各有特点,应注意鉴别。     

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。