首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 62 毫秒
1.
提出了一种基于广义梯度矢量流Snake模型的心脏核磁共振图像左心室内、外膜分割方法。首先构造了一种基于目标边缘的方向广义梯度矢量流(edge-based directional generalized gradient vector flow, EDGGVF) Snake模型,该模型在传统GGVF的基础上,结合目标边缘图梯度方向信息,将左心室内、外膜区分为正边缘和负边缘,从而实现左心室内外膜的全自动分割。其次,根据左心室近似为圆形的形状特点,引入了圆形能量约束,有利于克服由于图像灰度不均、乳突肌等引起的局部极小。实验结果表明,该方法可以高效准确地自动分割出左心室内、外膜。  相似文献   

2.
一种基于主动轮廓模型的心脏核磁共振图像分割方法   总被引:1,自引:0,他引:1  
提出一种基于主动轮廓模型的左室壁内、外膜分割方法.首先构造了主动轮廓模型的广义法向有偏梯度矢量流外力模型GNBGVF,作为对梯度矢量流(GVF)的改进,该外力场同时保持了切线方向和法线方向有偏的扩散,具有捕捉范围大、抗噪能力强,且在弱边界泄漏等问题上性能突出.就左室壁内膜的分割而言,考虑到左室壁的近似为圆形的特点,引入了圆形约束的能量项,有利于克服由于图像灰度不均、乳突肌等而导致的局部极小.对于左室壁外膜的分割,采用内膜的分割结果初始化,即通过重新组合梯度分量来构造外力场.该外力场能够克服原始梯度矢量流的不足,使得左室壁外膜边缘很弱时也能得到保持,可以自动、准确地分割外膜.实验结果表明,该方法能高效准确地分割左室壁内、外膜.  相似文献   

3.
一种心脏核磁共振图像左室壁内、外膜分割方法   总被引:1,自引:0,他引:1       下载免费PDF全文
王元全  贾云得 《软件学报》2009,20(5):1176-1184
为了充分利用心脏核磁共振图像(magnetic resonance image,简称MRI)中关于左心室的解剖和功能信息,必须先分割左室壁内、外膜.提出一种基于Snake模型的左室壁内、外膜分割方法.首先提出了Snake模型的卷积虚拟静电场外力模型CONVEF(convolutional virtual electric field),该外力场捕捉范围大、抗噪能力强、在C形凹陷区域等问题上性能突出,而且基于卷积运算,采用快速Fourier变换可以实时计算.就左室壁内膜的分割而言,考虑到左室壁的形状近似为圆形,引入基于圆形约束的能量项.对于左室壁外膜的分割,充分挖掘了左室壁内、外膜形状上的相似性和位置上的相关性,构造了形状相似性内能和一个新的边缘图,该边缘图用来计算新的外力场.基于所有这些策略并采用内膜的分割结果初始化,可以自动、准确地分割外膜.通过对一套活体心脏MR(magnetic resonance)图像进行分割并和手工分割结果和GGVF(generalized gradient vector flow) Snake模型的分割结果进行比较,结果表明该方法是有效的.  相似文献   

4.
一种各向异性GVF模型的心脏左心室MR图像分割模型   总被引:1,自引:0,他引:1  
为了克服传统的梯度矢量流(GVF)模型对细长拓扑结构、噪声及弱边界敏感的缺陷,提出一种基于区域信息的各向异性GVF模型.首先由模糊C均值(FCM)聚类算法得到聚类信息并将其融入到GVF模型中,以降低弱边界和噪声的影响;然后利用图像结构信息改进GVF模型,使其具有各向异性,克服了细长拓扑结构的影响;最后把得到的各向异性GVF模型融入到Snake方程中引导曲线的演化,得到目标边界.实验结果表明,该模型具有较好的分割结果.  相似文献   

5.
采用广义梯度矢量流(Generalized gradient vector flow, GGVF)作为势能函数的Snake算法在处理灰度图像分割时具有较好的性能.但当处理彩色图像时, GGVF模型往往将彩色图像转化为灰度图像进行处理,此过程造成颜色信息丢失,因而容易受到阴影等伪边界灰度变化的干扰.本文提出了基于HSV颜色模型的GGVF,充分利用了图像的色彩信息进行图像分割.实验结果表明,该方法能够有效地区分彩色图像的真实边界与由阴影产生的伪边界,并取得较好的分割结果.  相似文献   

6.
结合水平集方法和形状约束Snake模型的左心室MRI图像分割   总被引:1,自引:0,他引:1  
提出结合水平集方法和形状约束Snake模型的左心室MRI图像分割算法.由于左心室存在弱边缘、与周围的组织之间存在低对比度区域,Snake模型分割左心室MRI图像时,将会出现变形曲线泄漏现象.通过对训练图像的配准、变化模式的分析,定义左心室的边界形状变化允许空间.根据心脏MRI图像的特点,使用水平集方法在平均形状周围构造形状约束能量场.在Snake模型中增加形状约束能量项后,能够有效处理变形曲线的泄漏问题.通过将演化曲线投影到形状允许空间,对其施加形状约束.心脏MRI图像的分割实验证明了模型的有效性.  相似文献   

7.
本文针对Snake模型用于轮廓跟踪时存在抗噪性能差、易于从弱边界溢出的不足,对其能量函数进行改进,提出一种新的FFT Snake模型。该模型较好地解决了以上问题,并将FFT Snake模型的解作为遗传算法的搜索空间,利用遗传算法的全局优化性能,有效地克服了Snake轮廓局部极小化的缺陷,从而可得到对目标更精确的分割。实验结果表明,该方法分割效果十分理想。  相似文献   

8.
本文将统计模型和动态轮廓模型合理有效地集成,提出了一种基于多层混合模型的图像分割方法。应用统计模型能够对目标图像进行快速的定位,但是由于统计方法的应用以及采用基于边缘灰度的搜索匹配方法,使其无法得到精确的轮廓信息。提出通过给动态轮廓模型增加有效参数的方法,进行图像轮廓点之间平滑的控制。该方法可以实现对图像快速、精确的分割。  相似文献   

9.
基于改进的Snake模型的脑部MR图像分割方法*   总被引:1,自引:0,他引:1  
为实现对脑部磁共振图像的分割,提出了一种改进Snake模型的图像分割方法。通过引入轮廓中心的概念,在贪婪Snake模型的能量函数中增加距离势能作为外部约束能量,增大了外能的吸引范围,使分割结果不依赖于初始轮廓;对各能量项进行归一化操作,并以归一化扩散方程各分量的梯度矢量流代替MR图像的梯度,提高了模型处理弱边界和深度凹陷区域的能力;对各能量函数的离散化和参数的选择进行了阐述。实验结果表明,该算法是一种有效的分割脑部MR图像的方法。  相似文献   

10.
一种基于遗传算法的双T-Snake模型图像分割方法   总被引:6,自引:0,他引:6       下载免费PDF全文
Snake的初衷是为了进行图像分割,但它对初始位置过于敏感,且不能处理拓扑结构改变的问题。初始位置的敏感性可以用遗传算法来克服,因为它是一种全局优化算法,且有良好的数值稳定性。为了更精确地进行图像分割,本文提出了一种基于遗传算法的双T—Snake模型图像分割方法,它将双T—Snake模型解作为遗传算法的搜索空间,这既继承了T—Snake模型的拓扑改变能力,又加快了遗传算法的收敛速度。由于它利用遗传算法的全局优化性能,克服了Snake轮廓局部极小化的缺陷,从而可得到对目标的更精确的分割。将其应用于左心室MRI图像的分割,取得了较好的效果。  相似文献   

11.
In this paper we propose a level set method to segment MR cardiac images. Our approach is based on a coupled propagation of two cardiac contours and integrates visual information with anatomical constraints. The visual information is expressed through a gradient vector flow-based boundary component and a region term that aims at best separating the cardiac contours/regions according to their global intensity properties. In order to deal with misleading visual support, an anatomical constraint is considered that couples the propagation of the cardiac contours according to their relative distance. The resulting motion equations are implemented using a level set approach and a fast and stable numerical approximation scheme, the Additive Operator Splitting. Encouraging experimental results are provided using real data.  相似文献   

12.
Deep neural networks (DNNs) have been extensively studied in medical image segmentation.However,existing DNNs often need to train shape models for each object to be segmented,which may yield results that violate cardiac anatomical structure when segmenting cardiac magnetic resonance imaging (MRI).In this paper,we propose a capsule-based neural network,named Seg-CapNet,to model multiple regions simultaneously within a single training process.The Seg-CapNet model consists of the encoder and the decoder.The encoder transforms the input image into feature vectors that represent objects to be segmented by convolutional layers,capsule layers,and fully-connected layers.And the decoder transforms the feature vectors into segmentation masks by up-sampling.Feature maps of each down-sampling layer in the encoder are connected to the corresponding up-sampling layers,which are conducive to the backpropagation of the model.The output vectors of Seg-CapNet contain low-level image features such as grayscale and texture,as well as semantic features including the position and size of the objects,which is beneficial for improving the segmentation accuracy.The proposed model is validated on the open dataset of the Automated Cardiac Diagnosis Challenge 2017 (ACDC 2017) and the Sunnybrook Cardiac Magnetic Resonance Imaging (MRI) segmentation challenge.Experimental results show that the mean Dice coefficient of Seg-CapNet is increased by 4.7% and the average Hausdorff distance is reduced by 22%.The proposed model also reduces the model parameters and improves the training speed while obtaining the accurate segmentation of multiple regions.  相似文献   

13.
Deep neural networks (DNNs) have been extensively studied in medical image segmentation.However,existing DNNs often need to train shape models for each object to be segmented,which may yield results that violate cardiac anatomical structure when segmenting cardiac magnetic resonance imaging (MRI).In this paper,we propose a capsule-based neural network,named Seg-CapNet,to model multiple regions simultaneously within a single training process.The Seg-CapNet model consists of the encoder and the decoder.The encoder transforms the input image into feature vectors that represent objects to be segmented by convolutional layers,capsule layers,and fully-connected layers.And the decoder transforms the feature vectors into segmentation masks by up-sampling.Feature maps of each down-sampling layer in the encoder are connected to the corresponding up-sampling layers,which are conducive to the backpropagation of the model.The output vectors of Seg-CapNet contain low-level image features such as grayscale and texture,as well as semantic features including the position and size of the objects,which is beneficial for improving the segmentation accuracy.The proposed model is validated on the open dataset of the Automated Cardiac Diagnosis Challenge 2017 (ACDC 2017) and the Sunnybrook Cardiac Magnetic Resonance Imaging (MRI) segmentation challenge.Experimental results show that the mean Dice coefficient of Seg-CapNet is increased by 4.7% and the average Hausdorff distance is reduced by 22%.The proposed model also reduces the model parameters and improves the training speed while obtaining the accurate segmentation of multiple regions.  相似文献   

14.
论文以集装箱号码图像为例,在分析比较几种流行的图像分割算法后,提出一种新的基于有效梯度信息的图像分割算法,即直接针对梯度图,对目标与背景边界部分的梯度信息进行统计分析,并在此基础上直接得到图像的阈值,完成分割。实验表明,对于类似集装箱号码的复杂图像,论文方法能得到较其他方法更好的分割效果。此外,论文方法有较好的实用性,能广泛应用于多种图像分割领域。  相似文献   

15.
为直观地分析左心室在心脏收缩期的形变情况,提出一种左心事力学形态分析方法.首先利用带标记线的心脏核磁共振图像数据针对左心室建立系数可变的物理可形变模型,并在所建模型的基础上,利用心脏收缩期各个时刻的左心室轮廓点数据恢复三维外形;然后利用心脏收缩期各相邻时刻的标记点数据计算左心室模型外力;最后将模型外力转换为收缩应力分量、切向应力分量和拉伸应力分量,并将各个应力分量用彩色云图显示.实验结果表明,文中方法能直观、有效地反映左心室内外表面在整个心脏收缩期的应力分布及形变趋势,获取的力学形态变化云图将成为重要的医学诊断依据.  相似文献   

16.
图像分割是由图像处理到图像分析的关键步骤,也是一种基本的计算机视觉技术。针对传统的活动轮廓模型在分割过程中具有处理速度慢,运算量大,对凹陷轮廓处理效果差等缺点,提出了一种改进的活动轮廓图像分割技术.在传统的活动轮廓中,外部能量通常由目标点的梯度势能场给出,然而梯度势能场存在着一些难以克服的缺点,即不能够很好地指导曲线的移动。把梯度向量流场(GVF)作为外部能量场,有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点,并通过实验证明了该方法的有效性。  相似文献   

17.
用于血管图像分割的简化模糊连接算法   总被引:5,自引:0,他引:5  
血管系统成像在外科手术计划和血管疾病的诊断等方面都起着极其重要的作用.通过对模糊连接算法的分析和改进,提出一种简化的模糊连接算法,使运算时间得到了缩短,运算速度得到了提高.将该算法应用到实际的血管图像分割中,取得了比较满意的分割效果,三维重构的结果显示也比较好。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号