首页 > 文献资料
-
CT图像特征的高精度区域分割
传统CT图像分割在进行为重要的边缘分割时,复杂空洞和非血管区域特征运用单一约束条件,缺少持续性操作过程,降低了分割精度.提出一种约束持续的CT图像特征的高精度区域分割方法,通过灰度腐蚀运算和滤波处理,获取灰度直方统计结果,据此确定种子点选取原则,实现对血管的初步分割,在此基础上采用更新均值和种子点持续分割作为约束条件,更新均值和种子点持续分割直至无满足灰度区间像素点,实现对CT图像特征的高精度区域分割.以肝脏CT图像为例的分割实验结果说明,所提方法可降低肝脏分割时产生的空洞和非血管信息的提取概率,相较于手工方法与传统方法,本研究所提方法的分割精度较高.
-
基于骨髓细胞图像的流域分割新算法
为克服重叠骨髓细胞对图像分析造成的困难,需将重叠细胞群分离成单个细胞.为此,提出了一种基于流域分割的骨髓细胞二值显微图像的分割方法.首先,用迭代腐蚀方法从重叠细胞中检测出种子数.然后,以极限腐蚀集合作为种子点进行区域生长,直到原图的所有像素均被重新吸收.为了提高运算速度,在种子点选取和区域生长方面进行了控制处理.本研究在Matlab环境下运用此算法对多幅细胞图像进行了分割,实验结果表明,该算法能够得到较好的分割结果.
-
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.
-
基于混合模型的视网膜血管自动分割算法
目的:构建基于混合模型的视网膜血管自动分割算法.方法和结果:混合模型算法流程包括4个步骤.首先,提取眼底图像的绿色分量图像以减少噪声影响(预处理);然后分别应用形态学模型和尺度空间模型对预处理后的眼底图像进行分割;将两种模型的分割结果进行融合;后,利用区域生长法对融合结果进行迭代生长,得到视网膜血管的精分割结果.从眼底图像库DRIVE训练数据集与测试数据集中分别抽取20幅彩色眼底视网膜图像进行自动分割,分割的准确度、敏感度和特异度分别为0.9431、0.6577、0.9871.结论:混合模型算法克服了单一分割模型的局限性,能够获得较好的视网膜血管网络图像.
-
基于大类间方差法和区域生长的舌体自动分割
舌图像中舌体的分割是舌诊信息化和客观化的基础.文章根据舌图像的特点,提出了基于大类间方差法和子块生长的舌体自动分割算法,通过均值偏移对图像进行预处理,再利用大类间方差法对彩色舌图像进行自动分类,后基于分类后的子块特征进行区域生长,实现舌图像中舌体区域的自动分割.实验对DS01-A舌面脉信息采集体质辨识系统采集的100张舌图像进行分割,能够准确地分割出舌体区域.
-
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.
-
基于解剖特征点的肝脏超声与CT图像配准研究
目的:术前CT与术中超声图像的配准对基于图像引导的经皮射频肝脏肿瘤消融手术具有重要意义,但是目前并没有一种通用的准确、高效的配准方法.本文提出了一种针对肝脏术前CT图像与术中超声图像的实时配准方法.方法:本文提出的配准方法基于肝脏解剖特征点.配准包括特征选择、特征提取和坐标变换三个步骤,其中关键在于解剖特征点的选择与提取.根据肝脏解剖结构与超声成像特性,本文选取典型超声扫描位置中稳定的解剖结构作为特征点,如经第二肝门横切面图中3支肝静脉的分叉点等.对于术前CT三维数据,用手动方式提取解剖特征点;对于术中超声图像,设计了一种自动提取特征点的算法,包括斑点噪声滤波、区域生长法分割目标区域、二值图像拐点检测及目标点筛选等步骤.结果:配准实验结果表明,该方法对肝脏超声与CT图像的配准误差不超过6mm,配准时间在3s以内.结论:本文提出的方法能快速、准确地对肝脏超声与CT图像进行配准,且在手术中不需要人工干预,具有较强的应用价值.
-
一种新的三维气管树提取方法
目的:根据气管与支气管的树状特征,为了克服气管提取过程中的"阻塞"与"泄漏"问题,以适应临床教学训练需要,兼顾算法的精确性与执行效率,提出一种改进的区域生长算法.方法:首先利用经典的区域生长算法从三维螺旋CT图像中得到大气管初始区域;然后以初始区域为"大的"种子点,结合支气管在相邻CT图像中的Hessian矩阵特征向量,进行第二次区域生长,终得到气管与支气管的全部数据.为了评价本文所提出的算法,我们对收集的13例CT气管数据进行了支气管重建,并与Kitasaka方法进行了对比.我们还请临床合作医生对算法提取的三维气管树的直观效果及临床的实用性进行了主观评价.结果:通过支气管检出率的比较,本文所提出方法明显优于Kitasaka方法.临床专家的主观评价认为本文所提出的方法对纤维支气管镜术前的气管三维结构观察和虚拟内镜开发及镜下手术模拟,具有重要的临床意义.结论:该方法自动化程度高,不仅适用于气管与支气管分割,还可推广到骨骼、人体血管系统等其他管道小目标的分割问题.
-
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;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167.4563 s.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.
-
免疫组化彩色细胞图像自动分割的研究
目的:免疫组化彩色细胞图像中阳性细胞的自动分割提取有着重要的临床意义.本文结合三种分割算法的特点,研究实现免疫组化彩色细胞图像的自动分割,提取图像中的阳性细胞.方法:(1)采用OTSU方法在灰度的基础上对免疫组化彩色细胞进行预分割,去除无关背景.(2)使用K-聚类算法,对彩色细胞图像进行彩色分类筛选出阳性细胞和阴性细胞,并对所得阳性细胞图像进行腐蚀,以获取阳性细胞图像的种子.(3)使用区域生长算法对阳性细胞种子进行区域增长,获取完整的阳性细胞图.结果:准确分割出图像中的阳性细胞.结论:该自动分割方法可用于后续的阳性细胞自动计数,辅助医生诊断疾病.
-
序列颅脑CT图像颅腔内结构自动化提取及分割
目的 自动化提取和分割序列颅脑CT图像颅腔内结构.方法 本研究首先利用颅脑CT的解剖学结构,基于区域生长法和形态学方法提取出序列颅脑CT颅腔内结构.然后针对应用EM(期望大化)算法分割图像时,初始值选取难点,提出了一种改进的基于参数受限高斯混合模型的EM分割算法,实现了对颅内结构的有效分割.结果 实验结果表明,该算法能够实现从颅底到颅顶的所有CT图像颅腔内结构的计算机自动化提取和分割,结果准确.结论 本文算法在绝大多数情况下是有效的.
关键词： 区域生长 颅脑CT分割 参数受限的高斯混合模型 EM算法 -
颅脑CT图像分割方法研究
目的 比较区域生长和模糊C均值聚类两种经典分割算法在颅脑CT图像脑实质和脑脊液分割中的应用.方法 搜集49例CT颅脑检查病例图像,分别采用区域生长法和模糊C均值聚类法,实现颅脑CT图像脑实质和脑脊液的分割,并对实验结果进行分析.结果 区域生长法相对完整地分割了脑实质和脑脊液,而模糊C均值聚类算法提取的脑实质部分区域(主要是灰质)被错误地分割为脑脊液,造成脑实质提取不完整.结论 在颅脑CT图像脑实质和脑脊液的分割中,区域生长法优于模糊C均值聚类法,但在运行时间和自动化程度上,还需进一步改进.
-
基于K-均值和区域生长计算法医损伤面积
目的:法医鉴定伤者器官受伤面积或器物损伤面积时,通常采用记数坐标纸上网格数量的方法,其结果与法医的经验有关,主观性强,误差大,不利于法庭的出示和案件的侦破.方法:提出了一种基于K-均值和区域生长相结合的方法来计算损伤面积.结果:实验研究表明,该方法能有效的计算不规则区域的面积.结论:区域生长的方法计算不规则区域面积比记数坐标纸网格数量的方法具有更高的精度.
-
基于HSI修正空间信息融合的彩色白细胞图像分割方法
本文提出一种基于HSI修正空间信息融合的白细胞自动分割方法.首先将细胞原图转换至HSI彩色空间,由于H分量分段函数变换公式的不连续,导致原图中视觉均匀的细胞浆区域在此通道中均匀性变差.对色调计算公式进行了修改,然后依据白细胞核、浆在H、S、I通道分布特点提取核、浆、红细胞和背景区域信息,利用信息融合理论和方法构造融合图像Ⅰ和只存在细胞浆和少量干扰的融合图像Ⅱ,分别提取细胞核和细胞浆.后标记细胞核、浆,得到分割结果.实验结果表明:该算法对白细胞图像分割准确性高、鲁棒性强且具有普适性.
-
基于图像序列上下文关联的肝脏器官分割方法
针对现有二维分割方法人工干预较多及存在分割缺陷、三维分割方法对突变异常肝脏分割错误等问题,本文提出一种基于图像序列上下文关联的肝脏器官半自动分割方法.利用肝脏器官组织图像序列上下文的相似性先验知识,结合区域生长和水平集模型,并以少量人工干预辅助应对肝脏突变情况来进行肝脏的半自动分割.实验结果表明,本文方法分割肝脏精度高,适应能力强,对变异性较大的肝脏分割效果较好,可较好地满足临床应用需求.
-
分割技术在医学超声图像中的应用
图像分割在医学超声图像的定量、定性分析中均扮演着重要的角色,它直接影响到后续的分析、处理工作.图像分割对于医学图像处理非常重要,只有准确地从图像中提取出信息,才能保证医学系统的可靠性,并为三维重建打下基础.正确的分割是从超声图像中为临床应用准确提取诊断信息的保证,也是临床中进行定量分析和计算机辅助操作中进行实时监控、精确定位的至关重要的一环.因此我们更为详细的了解医学超声图像的一些分割技术,才能对这些方法加以运用,使得这些技术相辅相成,在实际应用中才能根据需要结合起来,形成更好的分割效果.
