首页 > 文献资料
-
不同CBCT图像分割技术在TMJOA诊断中的应用对比研究
目的:对比不同关节CBCT图像分割算法的准确性和临床可用性,获得TMJ-OA关节结构理想的优化分割算法.方法:对46侧TMJ-OA髁突及46侧健康成年人髁突应用MIMICS 14.11软件重建髁突三维模型,分别采用手工分割法、阈值分割法及基于主动轮廓模型和区域生长的混合分割算法,对髁突进行图像分割.比较3种方法在髁突体积、表面积、分割时间及分割轮廓线的可调性、自适应性及软件界面友好度的差异.结果:对T MJ-O A组和正常对照组,混合分割算法重建的髁突与手工分割法均无统计学差异,阈值分割法重建髁突尺寸显著比其他两种方法小.混合分割算法较其他算法具有分割快、临床可用性高的优势.结论:基于主动轮廓模型和区域生长的混合分割算法在TMJ-OA CBCT图像分割中具有较高的准确性和临床可用性,优于目前临床常用的单一分割算法.
-
浅谈数字图像编码技术
1引言数字图像处理又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程.早期图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的.图像处理中,输入的是质量低的图像,输出的是改善质量后的图像.常见的图像处理有图像数字化、图像编码、图像增强、图像复原、图像分割与图像分析等.图像编码是对图像信息进行编码,可以压缩图像的信息量,以便满足传输与存储的要求.
-
医学图像处理技术
随着医学成像和计算机辅助技术的发展,从二维医学图像到三维可视化技术成为研究的热点,本文介绍了医学图像处理技术的发展动态,对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述.在比较各种技术在相关领域应用的基础上,提出医学图像处理技术发展所面临的相关问题及其发展方向.
-
头颈部肿瘤PET与MRI融合放疗靶区自适应区域生长勾画
目的:为了有效解决单独使用正电子发射断层扫描(PET)和核磁共振成像(MRI)影像勾画大体肿瘤靶区(GTV)存在的肿瘤、水肿及其周围正常组织区分难题.方法:首先选取PET图像上包含肿瘤区域的感兴趣区域(ROI)中标准摄取值(SUV)大的体素点作为肿瘤区域生长算法的初始种子点,在PET和MRI影像上分别进行第一阶段自适应区域生长.然后从其勾画的肿瘤PET靶区内自动获取肿瘤的小SUV值,并联合肿瘤MRI靶区自适应区域生长的佳阈值构建第二阶段肿瘤PET和MRI联合区域生长准则,进行第二阶段区域生长,完成PET与MRI融合靶区勾画.结果:与单独使用PET和单独使用MRI影像的自适应区域生长分割结果相比,参考两位经验丰富的临床放疗专家手工勾画的鼻咽癌MRI GTV,本文方法勾画的融合GTV与MRI GTV具有高相似性,且同时具有较高灵敏性和较高特异性.结论:本文方法可实现头颈部肿瘤PET与MRI融合大体肿瘤靶区自适应高精度勾画.
-
超像素有偏观测模糊聚类的乳腺超声图像分割
图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用,并直接影响到后续的分析、处理工作.乳腺组织的特殊性导致了其超声图像纹理复杂、噪声明显、对比度较低,临床应用难以准确自动分割,诊断较依赖于人工观测.针对此问题提出一种基于超像素和模糊聚类技术相结合的图像分割算法.采用紧密度自适应的简单线性迭代聚类产生超像素,实现初步划分,减小计算量;计算各超像素的特征向量组成集合;采用聚类有效性分析和有偏观测模糊C均值聚类将特征向量分类,实现目标区域的有效分割.采用此方法对20帧乳腺超声图像进行图像分割实验,采用基于区域的评价准则对分割结果进行量化评估,评估结果表明真阳性为92.87％±2.98％,假阳性为11.05％±2.75％,相似性为83.39％±3.64％,取得了较好的分割结果.对乳腺肿块超声诊断的辅助方法研究具有探索意义.
-
基于交叉熵和GVF-Snake的子宫肌瘤高强度聚焦超声图像自动分割算法
目的:高强度聚焦超声(HIFU)广泛应用于肿瘤无创治疗,目前手术中多用超声成像技术进行导航,但由于HIFU图像对比度低,信噪比低以及目标边界模糊等缺点,HIFU图像的目标识别与分割是重点也是难点,所以需要提出能够自动快速获得HIFU图像肿瘤轮廓的分割方法.方法:GVF-Snake模型算法能够有效地利用超声图像的局部与整体信息实现边界的准确定位,非常适用于HIFU图像分割,但是作为参数活动轮廓模型,GVF-Snake对初始轮廓的依赖性较强,而且通常采用手画初始轮廓,增加了人为因素对试验结果的干预.针对GVF-Snake的相关特性,本文提出用二维小交叉熵阈值分割法来提取初始轮廓.交叉熵是度量两个统计概率分布之间信息量差异的物理量,分别表征分割前后图像中像素特征向量的概率分布,当原始图像和分割图像之间的信息量差异小时,便得到优阈值.使用二维小交叉熵算法求得初始轮廓后,进而使用GVF-Snake模型收敛,得到终结果.结果:该算法对HIFU图像中子宫肌瘤的识别与分割具有较为理想的效果,统计结果显示灵敏度平均值达到87.56％,标准化的Hausdorff距离指数平均值达到4.95％,整体算法的运行时间平均值达到2.16s.结论:该分割算法通过GVF-Snake自动生成初始轮廓,避免了人为干预,整体分割算法快速精准,取得了较好的实验结果,为其在HIFU设备的应用奠定了基础.
-
三维点云重构和体显示在医学辅助诊断中的应用
为了利用CT、核磁共振成像(MRI)等医学图像确定病变部位的大小、形状与周围组织的空间关系,本文提出一套完整的数据源获取、点云压缩、旋转和显示的方案.以CT、MRI医学图像为数据源,运用Mimics软件对人体组织MRI图像进行分割以及三维重建.针对数据量的大问题,提出基于八叉树均匀化的压缩算法;为了医生多视角观察模型周围情况,提出基于柱坐标系的旋转算法,在点云库中实现上述算法.后模型在体扫描显示屏上显示,辅助医生准确确定病变部位的情况,为手术规划提供一种模拟平台.
-
基于不同图像分割法构建3D打印右室双出口模型
目的:通过区域生长法和阈值法分割CT图像并构建3D打印先天性心脏病模型,分析不同图像分割方法打印模型对心内结构显示的精准程度,并探讨3D打印对右室双出口疾病的诊断价值.方法:对1例两个月的先天性心脏病患儿-64排前门控增强CT扫描后,基于迭代算法进行重建.将CT的DICOM数据导入Mimics 17.0软件,分别1使用区域生长方法进行血池分割以及通过阈值法提取心肌组织图像,得到不同分割图像之后,进行图像处理.模型A:包裹1mm后对血池强化,进行挖空处理,构建表面模型;模型B:使用分割的心肌组织图像建模并通过平滑处理.将模型A和模型B生成光固化立体造型术文件数据,并将数据导入Objet 260 3D打印机后打印模型,完成建模过程.结果:两种不同分割方法构建的3D打印心脏模型都能清晰地显示异常的解剖结构,同时可观察室间隔缺损和两根大血管之间的空间位置关系.模型A和模型B的心内结构准确度没有明显差异,主动脉内径宽度分别为8.44、8.42 mm,肺动脉分别为12.81、12.73 mm,室间隔缺损分别为14.51、14.18mm.模型A的圆锥组织比模型B的长度更长,分别为7.21、6.32 mm.结论:通过挖空和包裹等后处理方法,模型A可清楚地显示大血管的空间位置关系,在图像后处理过程中,3D打印模型可能忽略微小的解剖结构.模型B可精确地显示心脏内的解剖结构,包括心脏圆锥、三尖瓣位置、乳头状肌等.图像处理的关键是将DICOM数据转换成精确的3D打印的心脏模型.对于准确诊断复杂先天性心脏病,基于心脏CT打印的3D模型是一个非常有效的方法.
-
Canny算子联合阈值分割的解剖图像背景去除
研究数字化人体图像的背景去除,是数字化可视人体图像的研究领域(chinese visible human)中必不可少的一步.本研究提出了一种基于Canny算子计算目标边缘联合阈值分割有效地去除了数字化人体图像的背景.算法首先利用归一化阈值分割技术排除大部分背景,再结合边缘跟踪对目标边界附近保留的边缘进行识别、连接、去噪,准确、有效的去除了背景.用Matlab软件对上述方法进行验证,通过与其他几种分割算法的比较,本方法实际使用效果较好.
-
一种基于概率配分和大模糊熵的CT图像分割方法
为了从CT图像中提取到多个组织的解剖特征,克服运算速度快与运算结果不稳定的矛盾,提出了一种基于概率分布和模糊熵的CT图像分割方法.为了找到分割灰度图象的佳阈值,根据模糊聚类和概率配分之间的关系,以及模糊熵有大值的必要条件,从而得到各类的概率配分,因此在搜索阈值组合时,先搜索满足各类概率配分的阈值,然后从这些阈值中搜索使模糊熵大的阈值.实验结果表明该方法能很好地完成CT图象的分割.此算法运算速度较快;与用遗传算法、模拟退火算法相比较,运算结果稳定,分割更准确.
-
病理切片图像分割技术的研究
介绍了用图像处理及模式识别技术对显微细胞图像的自动分析和分类的方法,并针对医学图像分析中的难点,提出了基于归一化彩色空间和RGB,HSV彩色模型的分割方法:利用模式识别技术中关于特征向量空间聚类的方法实施真彩色分割.这种方式有效地利用了多维特征空间对于分割目标所提供的信息,使分割的准确性有了较大的提高,解决了图像分割过程中的单个细胞检出问题.
-
基于贝叶斯分类的水平集MR图像分割方法
本文介绍一种结合贝叶斯分类的水平集方法用于人体MR图像分割.本方法首先通过贝叶斯分类模型计算出水平集曲线位于边界上的概率;其次,将与此概率相关联的区域决策影响因子添加在水平集函数方程中;终,实现利用图像的区域信息提高水平集曲线识别边界能力的目的.分割实验结果表明,该方法较好地克服了传统水平集方法在MR图像分割中存在的边界泄露问题.与其他MR图像分割方法比较,本方法具有更优的分割结果.
-
大脑组织多参数磁共振影像分割方法研究
对大脑组织的影像分割,在人脑疾病的诊断和治疗以及人脑的功能研究中有着越来越重要的作用.本文应用近邻算法(kNN)和模糊近原型(FNP)算法对Multi-Spectral MR图像进行分割.综合考虑MR图像的特征和解剖学的知识,我们发展了一套邻域规则,用来弥补kNN算法和FNP算法的各自的不足,加快了计算的速度.通常的分类分析只在状态空间,而没有考虑到图像中像素之间的相邻信息,而正是这些由生物学特征决定的相邻信息,可以作为状态空间分类之后,用邻域规则对通常分类中不确定的像素进行进一步分类的依据.通过这样的这步过程,有效地降低了分类的错误,得到的分割结果明显好于文献中单独使用kNN和FNP算法得到的结果.
关键词： Multi-spectral MRI 图像分割 KNN FNP 邻域规则 -
基于医学影像计算机辅助诊断的分割方法
本文在综合介绍目前基于医学影像的计算机辅助诊断(MICAD)研究工作的基础上,重点分析了MICAD主要使用的图像分析和处理技术.作为例子重点介绍了MICAD对图像分割的要求,介绍了目前我们正在开展的小近邻算法(KNN)和模糊小紧邻算法(FKNN)进行图像分割的工作,并提出了如何用相邻像素的信息,进一步提高分割的准确性的思路,为后面的计算机自动识别提供依据.而计算机自动识别是基于医学影像的计算机辅助诊断过程自动化的基础.
-
基于先验的随机游走算法在医学图像分割中的应用
目的:常规的交互式图像分割算法通常只能对单个目标进行分割,或对多个目标的分割比较繁琐.针对该问题,本文期望提出一种基于随机游走算法的改进算法,以实现离散多目标的快速分割.方法:随机游走算法是使用为广泛的交互式图像分割方法之一,在各类图像的分割中表现良好.而对于目标呈现离散分布的图像,该方法虽然也可以对其进行分割,但需要用户在各个离散的目标区域均选择种子点,因此分割效率低下.针对该问题,本文将初始种子点的灰度信息作为先验,初步估计待分割图像中像素点隶属于各类种子点的概率,并将其作为非图像空间项加入随机游走算法的目标函数,引导图像分割.使用改进方法分别对人工合成图像和临床医学图像进行分割,验证本文算法.结果:改进方法在减少交互的情况下,能有效地对人工合成图像和临床医学图像中的多个离散目标实现全部分割,且分割结果明显优于原始的随机游走算法.结论:本文提出的改进方法能有效地实现离散目标的医学图像分割,并且简化了分割的交互过程.
-
分水岭算法在CT图像分割中的应用
目的:分水岭算法在图像分割领域得到了广泛的应用,但单独使用分水岭进行图像分割因为对噪声的抑制能力弱以及对大多数图像易产生过分割现象而变得困难.本文针对分水岭算法存在的过分割问题,提出了一种改进的分水岭算法应用于CT图像,能有效的抑制过分割现象.方法:首先对输入图像进行高斯滤波处理,然后通过Sobel算子求图像的梯度幅值,再求出多尺度灰度图,后进行阈值分割和多尺度变换而达到对图像进行分割的目的,并将其转化成伪彩色图像显示来优化分割结果,在有效处理过分割问题的同时让图像分割后的效果更加明显.结果:仿真结果表明,与传统的分水岭分割算法比较,缓解了过分割问题,得到的分割效果要好很多.结论:本文实验可以有效地将传统的分水岭算法加以改进,将之应用于医学CT图像分割中,从而使图像各个不同的组织轮廓均得到了很好的区分,减少了图像的过分割点数,使图像的各个区域更易判断.
-
PET-CT图像配准的预处理研究
目的:目前,生物适形调强放疗(BIMRT)是放射治疗发展过程的一个重要转折点和突破.功能影像PET和解剖影像CT的图像配准在生物适形调强放疗中有非常重要的作用,本文旨在提出一种图像配准预处理方法并验证其可行性.方法:本文提出了一个PET和CT图像配准的预处理过程,该过程包括图像的归一化、基于模糊C均值聚类算法(FCM)和区域生长算法的图像分割、PET图像的分辨率调整以及图像的去噪与增强.结果:利用临床肺癌患者的PET和CT图像进行实验,结果表明该预处理过程能够很好地去除CT图像的扫描床等冗余信息以及PET图像的背景噪声,从而减少配准的复杂度,提高配准的速度和精度.结论:本文所提出的预处理方法是有效的,可以用来进行图像配准的预处理.
-
基于边界跟踪算法的脑磁共振图像分割
目的:脑磁共振图像的自动分割是近几年研究的一大热点,本文在通过分析比较当前各种图像分割算法后,介绍了一种基于边界跟踪的脑磁共振图像(MRI)分割算法,在MRI中提取出脑组织部分.方法:应用迭代法对脑磁共振图像进行二值化处理;扫描二值化图像,根据脑组织的形态,确定一点作为脑组织边界的起点;根据边界点的像素特征,对传统的边界跟踪算法进行改进,计算出MRI脑组织的边界,后应用区域生长法在原始MRI中提取脑组织图像,实现MRI分割.结果:实验结果表明,改进后的边界跟踪算法在提取脑组织边界时,细节处理能力强,不易陷入死循环,具有较高的运算速度.提取的真实脑磁共振图像的脑组织区域,能满足临床的实际需要.结论:对图像二值化处理,对图像有微弱的损害,但是极大地提高了计算速度.与传统的边界跟踪算法相比,改进后的边界跟踪算法分割效率高,更易实现MRI的自动分割.获得的边界曲线在细节上更接近于脑组织的实际边界.
-
交互式GACV模型的肿瘤图像分割
目的:提取医学图像中肿瘤区域,用以测量肿瘤体积问题.方法:提出一种基于GACV(Geodesic-Aided C-V method)的交互式模型.该模型首先人工选取感兴趣区域,并在区域内设定初始水平集与肿瘤内部种子点,然后在感兴趣区域上应用将图像梯度边缘信息与图像区域灰度特性统一到同一分割中的GACV模型,得到肿瘤的粗分割结果.后为去除目标内外孔洞,提出一种无损边缘的膨胀搜索算法,作为细分割.结果:将该模型应用于不同形状的肿瘤图像中,能成功检测肿瘤轮廓.通过实验与其它活动轮廓分割方法结果对比,结果显示该模型在准确分割肿瘤边界与分割算法耗时方面均具有良好表现.结论:本文提出的分割方法能高效率、准确识别肿瘤区域.
-
一种基于快速混合型K均值的水平集图像分割方法
目的:为提高水平集图像分割方法的速度.方法:本文介绍一种基于快速混合型K均值的水平集方法用于图像分割.首先介绍基于Mumford-Shah模型的水平集方法;然后介绍传统标准K均值方法与水平集方法的联系,分析其缺陷;后提出了一种快速混合型K均值的方法,在保持传统水平集算法鲁棒性的前提下,较好地提高了计算的速度.结果:该方法与标准水平集方法相比,运算所花费时间相对减少.结论:该方法利用K均值算法的简易和高效率,达到提高水平集方法分割速度的目的,具有一定的实用价值.
关键词： 图像分割 水平集方法 Mumford-Shah模型 k均值
