首页 > 文献资料
-
BP神经网络在眼底造影图像分割中的应用
背景:通过眼底荧光血管造影(FFA)所得到的数字图像以及对其进行处理所得到的数据,可反映视网膜血管结构、血流动力学改变、血管病理生理变化及其相关结构的病理改变,广泛应用于视网膜、脉络膜及视神经疾病的鉴别诊断.目的:通过分析眼底造影图像和BP神经网络的特点,利用BP神经网络对眼底造影图像进行分割,并将其利用到眼科的临床辅助诊断之中.方法:将待分割图像区域分为背景和目标两类,用手工方法得到这两类的样本图像,提取样本图像的特征,如灰度、方差、纹理等;对提取的样本特征值进行归一化处理,输入神经网络分类器,利用BP训练算法进行训练:输入待分类的医学图像,提取图像特征,并进行归一化处理;将归一化后的特征值,输入巳训练的神经网络分类器进行分类,得到眼底造影图像的分割结果.结果与结论:本文使用的眼底造影图像分割方法扰干扰能力强,分割的眼底造影图像清晰、内容丰富.可以为眼科医生的临床诊断提供较大帮助.
-
人体颅脑MRI图像中下颌骨的分割及三维建模
目的:在目前的影像医疗诊断中,仅凭观察二维CT、MRI图像是很难实现准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系的.本研究利用CT、MRI图像数据,帮助医生对病变体及其人体组织感兴趣的区域进行分割提取,用于医学图像的三维显示、三维重建.材料与方法:应用Mimics软件,对132层,层间距为1.0mm的MRI扫描图像进行图像去噪、分割和平滑等处理.终创建三维模型.结果:建立了更为精确,应用更为广泛的下颌骨三维模型.结论:运用Mimics对MRI医学图像进行分割,重建三维模型,能全面显示病变的病理解剖改变,为临床治疗提供精细的影像学信息,从而使重建后的三维模型可清晰地再现病灶与周围组织的解剖关系.大大增强了医学图象分析系统的临床实用价值.
-
结合贝叶斯优分类器的GACV模型对医学彩色细胞图像进行分割
目的:本文对GACV模型进行改进.并用改进的模型对医学彩色细胞图像进行分割.方法:本文在GACV模型基础上加入了贝叶斯优分类器.得到了结合贝叶斯优分类器的GACV模型,并用该模型对医学彩色细胞图像进行分割.结果:应用本文提出的模型分割3组不同特点的医学彩色细胞图像,分割结果显示,该模型能正确将细胞从不同噪声环境中分割出来.结论:结合贝叶斯优分类器的GACV模型对弱边界,噪声以及复杂背景有很强的鲁棒性可以有效、准确的分割医学彩色细胞图像.
-
基于贪婪算法的Snake模型
目的:为改善经典活动轮廓模型的缺陷.方法:本文提出一种新的基于贪婪算法的活动轮廓模型,对其内部能量中加入轮廓平均长度项的控制,外部能量中加入梯度方向势能,并提出区域能量在贪婪算法中的快速求解方法.另外采用动态调整蛇点的算法,使蛇点数目能够自适应地变化.结果:通过与传统的GVF算法分割结果比较,本文的分割效果较理想.结论:说明该方法分割准确性高并且对于用户的初始轮廓选择要求不高,具有一定的实用价值.
-
眼前节组织OCT图像角膜中央厚度测量
目的:光相干层析技术(OCT)是近来发展起来的成像技术,而眼前节组织OCT图像生物测量技术在OCT设备国产化、打破此类医学设备的国外技术垄断,是急需解决的问题.方法:提出一种两步法解决SL-OCT图像角膜中央厚度测量问题,第一步粗定位,首先采用灰度阈值分割角膜OCT图像,利用一维的中值滤波对轮廓进行平滑,从而粗定位角膜的内外轮廓:第二精定位,采用三次曲线及小二乘法分段拟合角膜中央的内外轮廓,得到精确的角膜中央轮廓.根据轮廓坐标求取角膜中央厚度,算法使用VC++6.0编程实现.结果:对16例角膜OCT图像分别利用文中算法测量与ZEISS VISANTETM软件测量,对两种方法的测量结果运用配对t检验进行比较,对两组的个体重复测量的变异性采用变异系数,组内相关系数进行研究,配对t检验认为所用算法的测量结果与ZEISS VISANTETM性软件的测量结果一致,其结果的变异系数较小,组内的相关系数较大,具有较好的重复性.结论:所研究的算法可为国产的OCT设备的图像分析系统提供了一种测量功能,较好的精度,为开发具有自主知识产权的OCT成像仪打下一定的基础.
-
针对肺结节检测的肺实质CT图像分割
目的:针对CT图像上肺结节的自动检测,开发并评价对全肺螺旋CT扫描中的肺实质进行自动分割的一种综合方法.方法:首先利用全局阈值对CT图像进行二值化,然后消除由于支气管、细支气管等低密度影和由于结节、血管等高密度影以及由检查床造成的条状伪影等噪声,后对包含胸膜连接结节的图像利用数学形态学运算和图像凸包运算进行完善形成肺实质掩膜.结果:利用该方法对从LIDC数据库中所有包含结节的505张CT扫描片(来自69个病例)进行肺实质分割.正确率为95.4%.其中,包含胸膜连接结节的139张CT扫描片的正确分割率为94.2%.结论:本文提出的方法较好地完成了肺实质分割任务,为利用CT图像进行计算机辅助肺结节的检测打下了基础.
-
图像分割与医学工程大学生创新能力培养
创新型国家离不开创新型人才,学生创新能力的培养是时代赋予高校的历史使命.医学工程学生由于其与医学尤其是影像医学的紧密关系,不仅要求学生具有一定的医学知识,更要具有利用理工科知识分析并解决医学问题的能力.本文从图像分割这一具体科研领域着手,首先阐述了图像分割的概念与基本算法,接着介绍了图像分割在医学工程中的重要作用,后结合肝脏CT图像分割与视网膜血管图像分割这两个实际课题,以及在科研过程中学生所遇到的一些与图像分割相关的问题和我们在学生培养过程中的引导方法,由浅入深地重点阐述了图像分割在医学工程学生创新能力培养中的重要作用,并针对学生在具体实践过程中对终分割结果的质量评价不够重视的现象,强调了全方位、多领域培养学生创新能力的必要性.
-
磁共振脑图像模糊聚类分割中的参数选择问题研究
作为一种重要的分类器,模糊聚类技术在磁共振图像的分割中已经得到了成功的应用,并成为了一种有效的磁共振图像的分割工具.尽管如此,模糊聚类技术在图像分割中仍然存在着一些不确定的因素,集中表现在模糊聚类的参数选择方面,如模糊指数、聚类数和距离范数的选择.这些参数的选择问题直接影响模糊聚类的速度和精度.本文对这些问题进行了系统地研究和讨论,并针对磁共振脑图像,给出了参数选择方案.
-
基于可变形模型的MRI脑区域分割
本文给出了一种人头部核磁共振MRI图像的脑区域分割算法,该算法基于梯度矢量流GVF的可变形模型方法,且有效地解决了该方法在轮廓的突变处存在的弱收敛问题.后把小波的多分辨率分析来优化算法,结果证明了其有效性.
-
监督FCM分割MRI颅脑组织探讨
本文利用监督模糊C均值法(fuzzy c-means,FCM)和磁共振图像的多参数性，对磁共振图像进行人工干预分割处理。对颅内组织形态参数进行测定。使分割图像效果优于用非监督FCM法分割结果。
-
基于模糊C均值自动随机游走算法在脑肿瘤分割中的应用
目的:经典随机游走算法是使用为广泛的交互式图像分割方法之一,分割精度较高,但是该算法执行过程需要人工参与,由医生手动勾选种子点,这在临床使用中是比较麻烦和耗时的,在一定程度上降低了该算法的效率.针对该问题,本文期望提出一种自动的随机游走分割方法.方法:首先使用模糊C均值算法对待分割图像进行聚类,根据聚类的隶属度进行阈值分割得到初步分割结果;再对分割结果进行形态学开放处理,仅保留初步分割结果的主要区域,并将处理后的区域中的所有像素点作为随机游走算法的种子点,利用随机游走算法对图像实施分割,得到终分割结果.本文结合模糊C均值算法和形态学处理,实现了自动的随机游走.使用改进后的算法对MR图像中的脑肿瘤和水肿区域实施自动分割,验证本文算法的有效性和准确性.结果:本文方法在实现自动化分割的同时,其分割精度明显优于模糊C均值算法的分割结果.结论:本文提出的改进方法能准确地自动分割出目标区域,并且较模糊C均值方法的分割结果有显著性提高.
-
催化剂分割算法的初步研究
目的:在TS-MRF模型基础上,针对基于二叉树分割算法的分割停止判断提出新的算法.方法:在分割图像中引入试探图像作为"催化剂",并以"催化剂"在分割结果中是否显现为依据来判断二叉树分割的候选结点是否应该停止分割,具体分割算法采用MRF分割.结果:对多组模拟图像进行了初步分割实验,实验表明该方法可以对实验图像的树状分割过程给出正确的停止判断.结论:催化剂分割算法可有效地对待分割图像进行正确的类数判断.
-
MRI自动图像分割技术对多发硬化（MS）病灶容积测量的初步研究
目的：采用不同序列间组合提高自动图像分割技术对MS病变容积测量。材料和方法以手动分割的病灶容积为金标准，比较不同序列(M,MPRAGE；F,FLAIR；D,DIR；T2，T2WI)间所组合的不同通道（二、三和四通道）的自动分割技术测量MS病灶容积特点。结果二通道（M+T2\M+D\M+F）的敏感性、特异性和精确性分别为：41.8%\33.3%\63.4%、82.2%\93.9%\93.6%和82.1%\99.0%\98.9%；三通道(M+T2+D/M+D+F/M+F+T2)的敏感性、特异性和精确性分别为：40.4%\64.8%\62.5%、87.1%/99.1%/98.6%和86.9%/98.9%/98.5%；四通道(M+T2+D/M+D+F/M+F+T2)的敏感性、特异性和精确性分别为：74.4%、97.0%和96.9%。结论采用四通道图像自动分割技术对MS病灶容积测量较佳。
-
欣读《数字骨科学》
近期在北京图书大厦,惊奇地发现由裴国献、张元智主编,人民卫生出版社出版的<数字骨科学>,初翻阅钟世镇院士的序言、裴国献教授的前言即感气象非凡,花香芬芬.该书详细介绍了人体数据信息获取、图像分割、构建有限元素分析、计算机软件开发应用、手术虚拟仿真、手术导航、远程医疗等,结合骨科临床,展示了不少有价值的具有前沿、探索性的成就,反映了数字化技术在骨科的研究、应用与展望的新学术成果.限于自己的知识结构,很多内容虽未读懂,但内心的冲动、感慨驱使我要为本书写一段感言.
-
基于三维全卷积DenseNet的脑胶质瘤MRI分割
从多模态MRI中对多个脑胶质瘤区域进行精确分割是不少精准医疗步骤的前提.为了有效针对脑胶质瘤MRI的特性和提升其分割精度,本文提出了多Dice损失函数结构,并采用预实验选择良好的超参数(数据维度、图像融合步长、损失函数的实现形式)构建一个基于三维全卷积DenseNet的图像特征学习网络.本研究包含了脑胶质瘤MRI的274个已分割训练集和110个未提供分割的测试集.图像进行灰度归一化后提取三维图像块作为网络输入,网络输出利用图像块融合方法得到终的分割结果.相比通用的结构,推荐的结构提高了脑胶质瘤的分割精度.在公开的BraTS2015数据集上进行在线的评估中,整个肿瘤区、肿瘤核心区和增强肿瘤区的Dice值分别为0.85、0.71、0.63.
-
基于局部灰度差异的快速自适应活动轮廓模型分割腮腺导管
目的 研究一种基于局部灰度差异的快速自适应活动轮廓模型腮腺导管图像分割算法.方法 本研究在LBF模型的基础上,加入了轮廓内外局部灰度的均值差异作为驱动演化曲线的能量项,并且将局部灰度方差差异代替λ1、λ2作为能量参数值的控制项,同时还引入两种不同邻域大小的局部相似因子,来克服图像灰度不均匀和边界模糊的影响以提高分割效率.结果 该算法在分割图像时,能够根据内外局部灰度均值差异和方差差异自适应地调节演化方向、速度以及内外部区域能量所占权重,在面对复杂梯度边界区域时亦能够检测出真实边界,使演化曲线快速精确地逼近目标边界.结论 实验结果表明,本文算法明显优于现有的几种分割算法,能够实现快速精确地分割腮腺导管图像并且保留图像细节.
-
大脑组织分层体网格建立及变形技术研究
虚拟手术系统在辅助医生合理制定术前方案以提高手术成功率方面有重要意义.虚拟手术系统主要南医学数据可视化与建模和人体组织器官(主要是软组织)受力形变仿真两部分构成.针对大脑的复杂结构,本文采用混合水平集并结合阈值分割及形态学方法,可有效地将大脑磁共振图像分割成头部轮廓、灰质、白质、脑脊液和脑室五部分,并利用课题组开发的基于约束的Delaunay算法及iso2mesh等开源工具包,建立了脑组织的四面体网格,并对各部分组织对应的网格分别进行标记.后利用得到的具有真实解剖结构的有限元网格,对软组织的形变进行了研究,建立了基于Tensor- Mass模型的点触和球触变形模拟.本文的研究可进一步提高大脑虚拟手术的定位精度和反映大脑组织形变的过程.
关键词： 图像分割 体网格 Delaunay 软组织形变 Tensor-Mass -
利用Gibbs距离图Snake模型分割医学图像
目的 提出利用Gibbs距离图Snake模型分割医学图像的算法.该方法能克服医学图像周有的噪声和伪边缘干扰,收敛到正确的目标轮廓.方法 首先推导Gibbs形态学梯度,然后提出基于Gibbs形态学梯度的距离图Snake模型的医学图像分割方法.结果 本文所提出的算法克服了传统距离图Snake模型的上述缺点.结论 本文所提出的方法分割结果鲁棒性好,分割过程无须人工干预,适合应用于临床医学图像分割.
-
基于64排螺旋CT扫描数据的肝脏图像分割和三维重建
目的 研究肝脏CT扫描图像中肝脏和肝内血管管道的分割方法及3D肝脏应用于肝脏虚拟手术的可行性及实用性.方法 利用正常人肝脏64排螺旋CT薄层扫描数据集,采集二维图像数据,利用图像处理软件Photoshop和MIMICS软件对二维图像数据进行肝脏及其肝内管道的图像分割和三维可视化重建,并对3D肝脏及其内部血管管道的效果进行评价.结果 肝脏的64排螺旋CT薄层扫描数据集:共获得658层CT扫描图像.分割后的肝脏边界清晰.肝内管道数据无丢失.分割后图像连续观察肝脏连续性好,无中断现象.重建的肝脏轮廓能真实反映肝脏的实际体积,具有肝脏的解剖标志,重建的管道结构清晰,管道连续、自然.通过调节肝脏的透明度可同时显示肝脏和肝内的动脉、静脉和门静脉各分支.结论 利用Photoshop图像处理软件对不同扫描时相的图像进行分割,方法简单实用,分割效果理想,重建时采用二次域值设置可分别将肝脏和肝脏内部管道系统重建,重建后的肝脏模型三维效果逼真,立体感强.既能够显示肝内各主要管道系统的空间位置关系,又能准确地反映肝脏轮廓体积,为虚拟手术奠定了准确逼真的3D肝脏模型.
-
图像分类数的自适应估计准则与优分割算法
在图像分割算法中,将图像灰度分为多少类是首先需要决定的问题,它将直接影响分割的终结果.因此,必须合理地估计图像分类数,它在理论分析和应用上都是很重要的一步.本文提出了一种基于马尔可夫场的图像分类数的自适应估计准则.当该准则达到小时对应的类数就是图像正确分割所要求的分类数.准则中各参数由期望大法和大伪似然法来估计.试验表明,本文的算法能通过自适应的调整参数而正确地找到图像的分类数,并且在此分类数下能自动得到图像的大后验分割.
