首页 > 文献资料
-
基于空间FCM与MRF方法的乳腺MRI序列三维病灶分割研究
针对乳腺DCE-MRI病灶分割,提出一种空间FCM聚类与MRF随机场相结合的三维分割方法.首先,对MRI图像进行空间FCM粗分割,提取病灶粗轮廓.然后,在其基础上进行MRF精分割,并结合病灶三维信息:用相邻切片分割结果对应标号矩阵初始化MRF精分割标号场,同时用该张切片粗分割所得隶属度矩阵对MRF精分割进行参数自适应调整.用该方法与空间FCM、水平集、模糊MRF方法对50例MRI数据进行分割对比实验,得到良、恶性病灶分割重叠率分别为76.4％、75.5％;相比于空间FCM的68.7％、69.5％,水平集的70.8％、72.6％以及模糊MRF的72.9％、73.6％有明显提升.对所有175例MRI数据分割结果进行非监督评价,得到良、恶性病灶区域均匀性均大于0.92;区域内差异性良性病灶92％小于150、恶性病灶98％小于150;区域间差异性良性病灶87％大于0.25、恶性病灶90％大于0.3.综上表明,该方法具有较高的分割精度.
关键词： 乳腺DCE-MRI图像 病灶分割 FCM-MRF 三维分割 参数自适应 -
先验约束水平集方法提取乳腺超声病灶
超声图像自动分割技术具有重要的应用价值,同时面临很大挑战.本文针对乳腺超声图像局部分割需求,通过区域生长法自动快速提取初始分割区域作为水平集的初始条件,实现先验区域约束的作用,显著提高分割准确度;基于CV模型进行全局信息和区域信息的拟合,提高了弱边界的定位准确度;增加速度能量项,使零水平集更快地收敛在边界处;对经典水平集模型的一些能量项进行删减调整,以降低计算复杂度.分割实验结果表明,本文方法能够较为准确快速地实现病灶分割,有一定的临床辅助价值.
-
基于深度学习方法检测皮肤镜图像中黑色素瘤的研究进展与展望
阐述了通过皮肤镜图像对黑色素瘤进行计算机辅助检测需要解决的问题,介绍了卷积神经网络、残差网络和迁移学习方法.在此基础上,从病灶分割与病灶分类2个方面分析了基于深度学习方法检测黑色素瘤的研究成果,明确了算法的改进和数据集的完善对黑色素瘤检测准确性的提高具有重要作用.指出了利用患者多模态数据进行检测和发展能利用智能手机进行检测的深度学习算法是未来的重点研究方向,为深化黑色素瘤自动检测研究、推动自动检测方法应用于临床诊断提供了基础.
