应用多尺度三维图搜索的SD-OCT图像层分割方法

频谱域光学相干层析技术(SD-OCT)是一种广泛应用于眼科领域的成像技术,视网膜组织层分割对视网膜疾病诊断起着至关重要的作用。传统的三维图搜索方法能够同时分割k(k≥1)个三维面,但其存在时间复杂度高、分割病变图像鲁棒性弱等问题。在传统三维图搜索模型的基础上引入多尺度思想,提出应用多尺度三维图搜索的SD-OCT视网膜图像分割方法。首先根据每个组织层的特点,为每层构造一个合理的顶点权重;然后利用相邻列的最大与最小高度差构造列约束限制,改进表面的平滑约束条件;最后利用低尺度的图像,应用三维图搜索方法进行粗分割,逐步向高一尺度应用三维图搜索方法进行单表面细分割。使用改进算法对3组正常眼睛及1组老年黄斑变性视网膜图像进行分割,并将结果与手动分割及传统三维图搜索方法进行比较,实验结果表明,改进算法能够准确有效地分割出3个层边界(边界位置绝对误差是3.86±2.50μm),并且接近于手动分割结果(3.78±2.76μm),优于传统三维图搜索方法(7.92±3.31μm)。     

融合时序监督和注意力机制的脉络膜新生血管分割

脉络膜新生血管(Choroidal Neovascularization,CNV)一般出现在老年性黄斑变性(Age-related macular degeneration,AMD)晚期,在光学相干断层成像(SD-OCT)中对CNV进行准确分割对AMD的诊疗具有重要意义.文中提出了一种融合时序模型与注意力机制的CNV分割网络.该方法将连续的SD-OCT图像输入分割网络,在编码器部分提取图片多尺度信息,为了更好地提取图片局部特征,又在跳跃连接部分加入注意力门;同时,为了解决分割不连续的问题,在分割网络池化后加入了时序约束网络以构建相邻帧连续性约束,并在损失函数中加入梯度约束以更好地保留病变边界;采用空间金字塔将两部分网络特征图融合以产生分割损失,提高了最终的分割精度.基于患者独立性对12名患者的200组眼睛数据进行实验,该方法的Dice系数为76.3％,overlap达到60.7％,能够在SD-OCT图像中对CNV进行可靠的分割.     

基于深度学习的眼底病变区域自动分割

基于光学相关层析成像(OCT),准确分割出视网膜液体区域相关异常和视网膜色素上皮分离对眼底疾病诊断具有重要意义.论文提出一种基于深度学习的分割方法,实现对视网膜色素上皮脱离(PED)、视网膜下液体(SRF)和视网膜水肿区域(REA)等病变类型区域的自动分割.首先使用迁移学习模型InceptionV4对所有病变类型进行分...     

基于自适应阈值的三维SD-OCT糖网亮斑分割

糖尿病视网膜病变是糖尿病严重的微血管并发症，硬性渗出是其病变表现之一，而频域光学相干断层（SD-OCT）视网膜图像中的高信号亮斑与硬性渗出有着紧密联系。为了能够准确定位糖尿病性视网膜病变图像中的这类病损信息，提出了一种自动分割亮斑的方法。提取亮斑分为四个步骤：使用双边滤波对图像去噪；使用基于图论的层分割算法来限制亮斑所在区域；在自适应阈值法产生的整体阈值及单帧阈值间选择大阈值帧数更多的作为基础进行第一次三维区域生长；将上一步得到的图像在另一阈值产生的种子图像范围内进行第二次区域生长。选取20只患有糖网的眼睛进行实验，自动分割的亮斑面积覆盖率较现有方法提高了约7%。     

基于多分辨率三维图割的NRD分割

为了提高视网膜神经上皮层脱离自动分割的精度和效率,提出一种基于多分辨率三维图割的自动分割算法.首先通过视网膜厚度变化信息准确定位目标和背景区域,统计目标和背景的灰度分布特征,为图割算法提供先验信息;然后采用三维图割算法对4倍下采样后的频域光学相干断层扫描(SD-OCT)图像进行分割,得到粗分割结果;最后在原始分辨率图像上,对粗分割结果两侧的窄带区域进行三维图割,得到最终分割结果.在18组CirrusSD-OCT数据集上进行分割的实验结果表明,该算法的Dice相似性系数为95.07%,分割一组数据的平均时间为57 s,精度和效率均优于现有算法.     

利用七宫格的遮挡车辆凹性检测与分割

目的:交通场景中车辆间的距离过近或相互遮挡容易造成识别上的粘连,增加了准确检测目标车辆的难度,因此需要建立有效、可靠的遮挡车辆分割机制。方法:首先在图像分块的基础上确定出车辆区域,根据车辆区域的长宽比和占空比进行多车判断;然后提出了一种基于“七宫格”的凹陷区域检测算法,用以找出车辆间的凹陷区域,通过匹配对应的凹陷区域得到遮挡区域;最后,将遮挡区域内检测出的车辆边缘轮廓作为分割曲线,从而分割遮挡车辆。结果:实验结果表明,在满足实时性的前提下算法具有较高的识别率,且能够按车辆的边缘轮廓准确分割多个相互遮挡的车辆。与其他算法相比,该算法提高了分割成功率和分割精度,查全率和查准率均可达到90%。结论:提出了一种新的遮挡车辆分割方法,有效解决了遮挡车辆不宜分割和分割不准确的问题,具有较强的适应性。     

基于改进的B样条RibbonSnake视网膜血管分割方法

眼底视网膜血管的分割在眼底视网膜血管病变分析和心脑血管疾病诊断中具有重要的临床应用价值。针对现有视网膜血管割算法分割出的血管边界不够精确光滑以及对低对比度血管分割效果不理想等问题,本文提出一种改进的B样条Ribbon Snake模型,对视网膜图像中的血管进行分割。该方法首先对眼底视网膜图像进行亮度均衡化、去噪等预处理操作,再利用方向线检测算子对血管中心线进行提取,最终在传统B样条Ribbon Snake模型的基础上设计新的宽度能量、区域能量,并利用该模型完成对视网膜血管进行分割。实验结果表明,该方法分割出的血管边界具有精确与光滑的特性,且能对低对比度血管进行有效分割。     

基于灰度分布匹配的多模态脑部MR图像肿瘤分割算法

针对多模态核磁共振(MR)脑肿瘤图像的分割问题,提出一种基于灰度分布匹配的分割算法。首先,学习图像灰度强度的非参数模型分布,来描述当前图像的正常区域。然后,计算肿瘤图像中各区域之间的全局相似性,从中寻找灰度分布与学习模型最匹配的子区域,同时利用平滑操作来避免存在孤立区域。最后,对FLAIR模态图像进行处理,以分离出脑水肿区域,最终获取脑肿瘤区域的准确边界。在多模态脑肿瘤图像数据库BraTS 2012上进行实验,结果表明该算法能够准确且完整的分割出肿瘤区域。     

基于C-V模型的脑白质疏松症磁共振图像病变区域分割

针对脑白质疏松症病变区域在磁共振图像的T₂加权像上呈现斑块状或融合成片状的高亮信号这一特点,提出了一种基于C-V模型的水平集分割方法对病变区域进行图像分割。首先,对C-V模型进行改进以避免重新初始化问题;然后,使用Otsu阈值法对图像进行预分割,将预分割的结果直接作为改进C-V模型的初始轮廓;最后,利用水平集方法进行曲线演化,得到最终的分割轮廓。实验结果表明,该方法能较为准确地分割出病变区域,实现病变区域的计算机自动快速分割,对脑白质疏松症临床辅助诊断和预后判断有一定的应用价值。     

心脏病图像分割方法研究

研究心脏造影图像准确分割问题。心脏病变区域存在大量水状的囊肿,囊肿区域的像素会造成病变区域图像像素灰度大幅下降,与正常区域的灰度差减少。传统的图像分割方法多是基于边沿像素灰度差进行分割,大量来自水状病变区域的干扰像素使得病变区域边沿像素与正常区域像素发生灰度混淆,造成利用灰度差方法进行图像分割的准确率比较低的问题。为此提出了一种基于改进神经网络算法的心脏造影图像分割方法。提取图像中的关键细节特点,运用改进后的神经网络模型,对水状杂质像素的干扰进行迭代分割过滤。实验证明,运用神经网络方法能够有效提高心脏造影图像病变部位分割的准确率,具有很好的应用价值。     

基于自适应阈值和区域生长的SD-OCT糖网图像亮斑分割

硬性渗出是糖尿病性视网膜病变的一个比较显著的症状,频域光学相干断层视网膜图像中的高信号亮斑与渗出有着密切的联系。为了研究渗出与病变的关系,有必要找到一种提取亮斑的方法。但是,目前关于糖网图像亮斑提取的研究还非常少。首先运用层分割算法限制亮斑所在区域,然后采用自适应阈值法确定种子集合,最后使用基于人类视觉特性的区域生长方法提取出亮斑。实验结果表明,本方法可以较准确地分割出糖网图像中的亮斑。     

结合区域生长与图割算法的冠状动脉CT血管造影图像三维分割

针对图割算法适用于小幅图像,且在分割结构较复杂、感兴趣区域较小的三维CT血管造影(CTA)冠状动脉图像时效率较低的问题,实现了将区域生长和图割结合分割冠状动脉的算法.首先,利用基于阈值的区域生长算法将图像划分为若干区域,去除无关像素,得到结构简化、感兴趣区域较突出的图像;其次,对简化后的图像,结合灰度和空间信息构造网络图;最后,利用图割理论实现网络图分割,得到冠状动脉分割图像.实验结果表明,与传统的图割方法相比: 在分割效率上,区域生长和图割结合的分割算法降低了计算复杂度,效率提高了51.7%; 在绘制质量上,得到的冠状动脉分割图像目标区域完整,有助于医师对病变的正确分析.     

基于SLIC和区域生长的目标分割算法

传统区域生长算法的分割结果依赖于种子点的选取,且图像自身的噪声以及灰度值不均匀等问题易在分割目标过程中形成分割空洞,针对以上问题提出了基于超像素的改进区域生长算法。采用拉普拉斯锐化,增强待分割目标边界,之后根据像素灰度相似的特征采用SLIC（简单线性迭代聚类算法）超像素分割将原始图像分割成若干不规则区域,建立不规则区域间的无向加权图,选取种子区域,根据无向加权图以分割好的不规则区域为单位进行区域生长,最后在分割目标边缘处以像素为单位做区域生长,细化边界。对比于传统区域生长算法,改进后的算法在分割结果上受种子点选取影响较小,且能有效地解决分割空洞等问题。对比于聚类分割,Otsu（最大类间方差）阈值分割法等典型算法,该算法在分割精度上具有明显优势。     

基于颜色和空间距离的显著性区域固定阈值分割算法

针对现有的基于空间域的显著性检测算法在分割显著性区域时需要依赖图像分割算法的不足,提出一种基于颜色和空间距离的显著性区域固定阈值分割算法。该算法首先对图像建立图像金字塔,并对每层的图像进行颜色量化和图像分块的预处理;然后利用颜色和空间距离计算得到显著性图;最后进行阈值分割,得到显著性区域。在MSRA1000公开数据集上的实验结果表明,该算法在精度、召回率和F测度方面的表现均优于现有的几种算法。因此,提出的算法在检测效果上优于现有的显著性区域检测算法,而且可以简单地分割出显著性区域。     

一种肺部肿瘤CT图象序列的自动分割方法

肺部肿瘤序列图象的自动分割是计算机肺部肿瘤三维辅助诊断系统的关键技术之一,肿瘤与周围组织关系的复杂性造成分割困难.为了给医生提供准确的肺部肿瘤影像,运用纹理分析和径向基神经网络实现了肺部肿瘤CT图象序列的自动分割,并根据相邻层肿瘤图象灰度、位置的相关性,提出了一种自动获取多层肿瘤区域神经网络训练样本的阈值分割算法.该算法首先计算图象纹理统计参数,以组成特征矢量空间,然后利用自适应径向基神经网络对特征矢量进行分类来实现肿瘤序列图象的自动分割.实验结果表明,与基于灰度的区域增长法和基于梯度算子和形状算子的最优阈值的分割方法相比较,该方法不仅能充分利用肺部肿瘤序列图象的三维信息,还可最大限度地减少人工干预,且分割结果较好地表现了肿瘤形态特征,经临床医生评估,具有较好的临床指导价值.     

基于区域的烟尘图像分割方法

烟尘图像分割是图像分割方法的一个较新的应用方向。高效、准确的烟尘图像分割技术对于大气污染监控、森林火灾预警以及军事情报获取等方面都有重要的意义。将阈值分割、区域生长、区域分裂与合并等基于区域的方法用于烟尘图像分割,并对三种分割方法在烟尘图像分割中的性能表现进行了分析。研究结果对烟尘图像分割中算法的选型具有一定的参考价值。     

基于区域增长法的三维支气管树分割算法

虚拟内窥镜在胸部疾病诊断方面占据重要的地位,通常支气管树分割方法存在分割结果不准确和分割漏洞问题,因此提出基于区域增长法的支气管树分割算法。首先通过区域增长法进行主干分割,然后对细小分支进行获取,并通过质量评价函数对细小分支进行筛选,删除伪分支。实验结果表明,该支气管树分割法可以简单、有效地提取出完整的肺支气管树,得到包含第5级以上的支气管,解决支气管断裂和分割漏洞现象,具有较好的鲁棒性。     

基于改进分水岭的棉花图像分割方法

针对棉花图像中存在阳光直射和阴影遮挡等因素而导致图像分割精度低、效果差的问题,提出一种改进分水岭的图像分割算法。该方法对原始图像进行各向异性扩散去噪预处理;利用鲁棒中值估计对形态学多尺度梯度图像进行硬阈值法梯度修正;对修正后的图像采用分水岭算法进行分割,对过分割的区域采用基于L*a*b*彩色空间的颜色相似度方案进行区域合并,从而将棉花提取出来。实验结果表明,提出的算法对阳光直射及阴影遮挡等干扰条件下的棉花图像分割能取得较好的效果。     

基于形态学滤波和分水线算法的目标图像分割

提出了一种基于形态学的目标图像区域划分方法。该方法先利用形态学滤波消除不同尺度的噪声和微小干扰区域对目标图像的影响，再利用改进的分水线算法对目标图像进行区域划分，得到目标图像的基本结构。为了消除传统分水线算法引起的过分割现象，本文还给出了一种新的过分割区域合并算法。该方法能够把复杂的目标图像分割成为一系列反映目标基本结构特征的简单区域．为目标的描述和识别提供了方便。实际图像的处理结果显示这种方法行之有效。     

一种基于图的颜色纹理区域分割方法

针对传统基于图论的图像分割方法在分割纹理图像或有突变边缘的图像时,分割效果不理想的问题,提出了一种新的基于图论的颜色一纹理区域分割方法,该方法采用分块的小波能量直方图与三阶颜色矩组成块特征向量生成图顶点的集合,同时根据块间距离进行加权,计算块间的相似度,作为图的边权值,再利用最小生成树的方法进行图像分割,方法有效地弥补了传统基于图论的分割方法中的两个问题.实验结果表明,该算法具有良好的分割准确性与鲁棒性.