三维窄带水平集算法在内耳分割中的应用

为减少从颞骨螺旋CT（computed tomography）图像中分割内耳的手动交互量，阐述了基于区域竞争的窄带水平集算法的基本原理及其特点，构造了合适的速度函数来控制水平集函数的演化，并将该算法应用于颞骨螺旋CT图像中内耳的分割.通过建立三维模型表面上的点与3个正交截面的对应关系，可以快速确定弱边界所在的位置，然后在正交截面上手动编辑以去除多余的组织，得到完整的内耳.对3个病人的5例颞骨图像进行内耳分割实验，实现了4例内耳的完整分割、1例严重畸形内耳的不完整分割.分割1例内耳约需10 min.该方法具有分割速度快、手动交互少、结果表面均匀的优点.     

基于图论分割的肺部CT图像的三维重建

为了得到精准的人体肺部CT图像的分割结果,采用改进的最小生成树法对人体肺部CT图像进行分割,再采用面绘制中的Marching Cubes(MC)算法进行三维重建,实现肺部的三维立体显示.通过实验仿真,验证了改进最小生成树算法的快速有效性,并将该算法与基于阈值分割的三维重建仿真效果进行对比.结果表明,改进后的算法能有效提高肺部CT图像三维重建的效率和完整度,在保证了快速三维重建的同时,三维重建的效果更佳,将为医生的医疗诊断提供有力的判断依据.     

图像分割的分层处理方案

提出了一种分层处理的图像分割方案，该方案将分割过程分为两步：第一步，在低分辨率的条件下运用二维otsu阈值化方法对图像进行粗分割；第二步，在精细分辨率的条件下采用模糊C－均值算法对图像进行细分割，同时将第一步所得的结果融入第二步，以避免细分割中为求聚类中心所做的大量计算。实验结果表明，这一方案有利于提高分割质量和缩短分割时间。     

一种两阶段的由粗到细的多模态脑肿瘤分割框架

从核磁共振图像中提取脑肿瘤在临床诊断及手术规划中起到关键作用。该文提出了一种两阶段的由粗到细的自动分割框架对多模态脑肿瘤图像进行分割。该框架分为粗分割及细分割两部分。粗分割部分采用一个深度卷积神经网络对脑肿瘤五分类，生成4种肿瘤组织的粗分割概率图；细分割部分将这些概率图作为掩膜促使卷积网络关注高概率区域。此外，为了减轻数据不均衡，细分割部分采用了双分支输出，一个支输出五分类结果，并采用带掩膜的交叉熵损失函数；另外一个分支输出二分类结果来标记整个脑肿瘤，采用了均方误差。利用BRATS 2015数据集进行验证，结果表明该方法具有很好的效果。     

一种胸廓CT图像预处理与三维建模方法的研究

为了快速、精确地从胸廓螺旋CT中提取肋骨、胸骨、脊椎与肋软骨并建立模型,文章提出了一种胸廓CT图像预处理与三维建模的方法.采用图像格式转换、灰度拉伸、自适应魏纳滤波、图像批处理等算法,滤除内脏、肌肉等噪声图像,增强胸廓各部分骨骼的区分度;再用阈值分割、区域增长等方法,分别建立胸廓硬骨三维模型与肋软骨三维模型,并装配成符合有限元受力分析要求的整体模型.结果表明,肋软骨模型的精确性得到了一定程度的提高,人工修改模型的工作量显著减少,三维建模周期缩短约40%.该方法为提供漏斗胸Nuss手术仿真奠定了基础,对Nuss手术中支撑板选材及定位具有重要参考价值.     

利用形态学多尺度算法分割粗集料粘连图像

为准确地对X-ray CT沥青混合料切片图像材质分类过程中存在的颗粒粘连图像进行分割,提出一种利用半径r分别为1、2、3、4的圆形结构元素分别对沥青混合料粗集料粘连图像进行极限腐蚀的改进形态学多尺度算法,通过判断各个分割图像分割线的数目,以分割线数目出现频率最大的分割数作为最终分割,并以最小的结构元素所对应的分割图像作为实际的分割图像,最后通过叠加独立颗粒图像和经粘连分割后的图像生成目标分割图像.最后着重开展了此算法的分割效果和分割精度研究.结果表明:与形态学多尺度算法相比,改进形态学多尺度算法既能有效地分割沥青混合料粗集料粘连图像,又能较好地抑制颗粒的欠分割与过分割现象,并获得较高的分割效果和分割精度,减少数值建模中的难度.     

胸部CT DICOM图像自动分割的研究与实现

针对胸部CT(Computed Tomography)DICOM(Digital Imaging and Communication of Medicine)图像中多窗显示时,需要对胸部各组织进行分割的问题,本文根据各组织的CT值范围,结合贴标签算法实现多组织分割.首先根据CT成像原理,不同组织具有稳定的CT值范围,将图像初步分割为肺、肌肉、骨和皮肤区域.然后依据组织的面积特征,应用贴标签算法去除噪声.不同厂家成像系统,不同年龄、性别患者图像的分割结果表明,本文方法都能正确分割出肺、肌肉、骨和皮肤区域.     

基于非参数化概率模型的CT肝脏图像分割

将肝脏组织从CT图像中提取出来是肝脏图像处理的重要环节.本文利用非参数化嘎誓Ｐ凸乖焖郊莼乃俣群?提出了一种改进的肝脏CT图像分割方法,得到了较好的分割结果.对肝脏CT图像进行分割的实验表明,该方法准确度高、抗噪性能良好.     

一种遥感图像中机场跑道的提取方法

针对遥感图像的特点,提出了一种遥感图像中机场跑道的提取方法.该方法利用数学形态学对遥感图像进行增强,然后采用最大类间方差选取阈值进行阈值分割,再提取机场连通域,最后经细化后对图像进行两次Hough变换提取跑道.首先对图像进行粗提取得到跑道区域,再对跑道区域进行细提取得出机场跑道.实验结果表明,该方法能够准确提取遥感图像中的机场跑道.     

快速的Otsu双阈值SAR图像分割法

在分析SAR图像的统计分布特征的基础上,根据SAR图像自动目标识别对SAR图像分割的要求,提出了一种适合SAR图像的Otsu分割算法。算法首先利用CFAR进行粗分割,然后利用Otsu进行细分割。实验结果表明,该算法分割准确且计算量小,客观评价值较高。     

基于交互式图割算法的结肠组织提取

针对腹部CT医学图像中结肠组织自身局部特征的问题,研究了一种基于交互式Graph Cuts结肠组织的分割方法。首先人工标定一部分体素标记为＂目标＂和＂背景＂种子点。然后将图像映射成网络图,通过相邻像素间的灰度特征分配边的权重值,采用26邻域系统实现三维图像的分割。最后使用最大流/最小割方法最小化能量函数,得到结肠区域。实验结果表明,交互式的图割算法能够准确地从三维腹部CT医学图像中提取出结肠组织,体现了结肠数据的局部特征。算法能自动将所有腹部CT切片的结肠组织分割出来,实验获得的结果有利于结肠病变的发现和精确定位。     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.     

基于DenseNet的低分辨CT影像肺腺癌组织学亚型分类

为了实现在低剂量、低分辨率CT扫描影像中对肺腺癌组织学亚型的分类鉴别,提出一种基于DenseNet的深度学习方法,从混合性磨玻璃结节（mGGNs）5 mm层厚的低分辨率CT影像中预测IAC和MIA病理分类. 从丽水市中心医院105例患者的105个5 mm层厚低分辨率CT图像中选取样本,划分训练集和测试集后,对训练集进行数据扩展,构建深度学习2D和3D DenseNet模型,分类鉴别IAC和MIA. 2D DenseNet模型的分类准确度为76.67%,敏感性为63.33%,特异性为90.00%,受试者工作特征曲线下的区域面积为0.888 9,显著优于3D DenseNet模型和其他几种深度学习网络模型. 深度学习技术,尤其是2D DenseNet模型,可辅助并指导医生在肺癌CT筛查中对患者的肺腺癌组织学亚型进行预判,特别是在图像分辨率较低的情况下,仍能够快速提供较为准确的诊断.     

基于自适应区域的医学图像自动分割

为了改善传统分割算法对初始条件的依赖性,提出一种基于自适应区域的医学图像自动分割框架.该框架将分割算法和目标检测技术集成到一起,通过检测已经分割出的目标信息来预测该目标在待分割切片上的局部区域,然后基于该局部区域预估目标的阈值范围和几何形状等信息,为应用分割算法提供初始参数.该框架已经应用到区域生长、基于阈值的水平集等常用分割算法.实验结果表明,该框架有效减少了分割中的人工交互操作,并且能自动处理目标复杂分叉情况.     

基于边缘检测的颈动脉CT图像分割技术研究

在传统图像分割算法的基础上,提出_『基于改进边缘检测的颈动脉CT图像分割方法．首先利用Canny边缘检测算子对CT图像进行边缘检测,然后利用数学形态学方法进行后续处理,并提取各种目标的轮廓．实验结果表明,该方法能有效实现目标与背景的分离,为正确诊断提供了指导信息,大大降低了工作量．     

Tridimensional Treatment Planning and Rapid Prototyping for Maxillofacial Prosthesis

1　IntroductionThesuccessofmostmaxillofacialsurgerydependsoncarefulanalysisandplanningbasedonavarietyofdiag nosticinformationsuchasphotographs ,radiographsandarticulateddentalmodels .Intheconventionalcephalo metricX raytreatmentplanning ,thesurgicalprocedureisvisualizedinthemid sagittalplane .Ifthepatientshaveasymmetricdeformities ,projectionofthefacialanatomyonthemid sagittalplanedoesnotprovideadequateevalu ationandplanning ,whichmakesthetherapeuticdecisiondifficult .Thisisthereasonwhymany 3…     

肝脏CT图像三维分割研究

针对肝脏CT图像的特征,提出了一种将种子区域生长算法和改进Snake模型相结合的策略,实现了肝脏的三维分割提取。该方法先从CT图像序列中筛选出肝脏有明显成像边缘的一张切片,在其肝脏区域内选择若干个种子点,利用种子区域生长算法得到初始边缘,再利用改进的Snake模型对初始边缘进行优化,然后,将此切片的边缘轮廓作为与其相邻切片上的初始边缘,重复该过程,直到分割完所有切片。实验表明该算法具有较高效率,分割结果精确,所产生的分割结果可以作为三维重建合适的数据集。