基于相位一致和核模糊C均值的眼底血管分割

为提取反映心脑血管疾病的眼底视网膜血管,提出一种结合相位一致性和核模糊C均值的分割算法。利用基于Log Gabor小波的相位一致性算法在频域做血管边缘检测,利用核模糊C均值聚类检测结果,去噪声并二值化得到血管图像。基于STARE数据库的实验结果表明,以专家手工分割结果为参考标准,使用该算法的平均分割正确率高达92?65％。     

基于模糊连接度的近邻传播聚类图像分割方法

针对现有近邻传播聚类图像分割方法分割精度低的问题,提出一种基于模糊连接度的邻近传播聚类(FCAP)图像分割算法。针对传统模糊连接度算法不能得出任意点对间模糊连接度的不足,结合最大生成树提出了全模糊连接度算法。FCAP算法先使用Normalized Cut超像素技术进行超像素分割,这些超像素可以看作数据点以及它们之间的模糊连接度;然后使用所提出的全模糊连接度算法计算超像素间的模糊连接度,根据模糊连接度和空间信息计算超像素的相似度;最后使用近邻传播(AP)聚类算法完成分割。实验结果表明,FCAP算法明显优于超像素处理后直接使用AP聚类算法进行分割的方法,并且优于无监督图像分割方法。     

基于视网膜血管分割的系统设计与实现

视网膜血管是唯一一种可直接观测的人体微型血管。医生可通过观察视网膜中的微血管结构,有效判断患者是否存在疾病。通过模糊C-均值聚类算法和均值滤波算法分割视网膜血管边缘,利用MATLAB的图形用户界面开发环境设计控件,通过性能测试将分割的视网膜血管和测试数据进行对比,得出算法的准确率,保证图像分割的正确性、准确性。     

基于多尺度残差路径的U型视网膜血管分割

针对视网膜血管形态结构复杂、特征信息多变的特点，提出一种结合残差网络和多尺度特征融合的U型视网膜分割算法。依次采用限制对比度直方图均衡化和局部自适应Gamma对原始视网膜图像进行预处理，得到血管增强、亮度提升的图像；将其输入至搭建的U型网络中进行端到端训练，该网络将U-Net原始卷积块替换为残差卷积块，实现对特征的复用，首尾的并行多分支结构和底部的金字塔池化结构扩大提取特征的感受野，在解码阶段加入带有注意力机制的跳跃连接改善视网膜血管的分割性能；通过sigmoid激活函数得到最终分割结果。在DRIVE数据集上进行实验，该算法准确率、敏感度和AUC分别为96.34%、84.61%和98.53%。     

遗传模糊连接法在CAG图像分割中的应用

鉴于模糊连接法分割连通物体的优势及冠脉造影（CAG）图像中血管连通的特点,用模糊连接法来分割CAG图像。模糊连接法在实现上存在困难,提出将遗传算法与模糊连接相结合来解决这一问题。首先指定目标物体上一点作为种子点。然后根据给定的模糊亲和度公式,用遗传算法求出任意点到种子点的模糊连接度。最后设定阈值,将模糊连接度高于阈值的点按原值显示,其他点置为背景,即可得到分割结果。实验结果表明,该方法能快速准确将血管提取出来,为二维CAG图像的自动诊断及可视化提供了依据。     

模糊连接算法在虚拟人图像分割上的应用

为实现对数字虚拟人彩色切片的分割，提出了一种基于竞争机制的相对模糊连接分割方法。首先计算所有像素与分割目标的模糊连接度，在分割结果出现过度分割时，则利用相对分割目标加入对感兴趣区域的竞争，自动重新确定各像素的连接度。采用虚拟中国人数据集的切片进行实验，结果表明，该算法能在待分割对象边界比较模糊的情况下取得理想的结果。     

基于核模糊C均值的眼底视网膜血管分割算法

针对眼底视网膜图像对比度差、背景不一致的问题,提出了一种基于核模糊C均值的眼底视网膜血管分割算法。首先采用二维高斯匹配滤波预处理以增强血管,然后采用核模糊C均值算法对增强眼底图像进行分割,并根据血管与各类隶属度的关系自动合并聚类图像得到最终的血管图像。实验结果表明,该算法分割结果令人满意。     

基于多属性的空间连续模糊聚类算法的血管分割

血管系统的3维显示对于图像导航神经外科和手术计划非常重要。提出了一种基于多属性的空间连续模糊聚类算法的血管分割算法来提取时飞磁共振血管造影（TOF MRA)图像中的血管,该聚类算法同时利用了图像的灰度信息和几何信息来提取血管,而目前已有算法仅采用灰度信息。在该算法中又提出了一个融合了灰度和几何形状的不相似性度量准则, 由于几何形状的采用,使得该算法可以区分具有相似灰度但位于不同几何形状组织里的像素。为了验证该算法,分别对2维和3维图像进行了分割,实验结果表明,该算法能够获得更好的分割结果。     

一种新颖的模糊字符图像分割自适应形态学方法

本文提出了一种新颖的字符分割以及从主要的模糊图像中提取特征矢量的自适应方法。算法基于分割分段字符之前自动检测的碎片和合并这些碎片的直方图描述。对于重叠字符的分割，形态学分级算法自动确定参考线；对于连接字符的分割，形态学细化算法和分割费用计算自动检测基准线。我们的方法可以检测碎片、重叠或连接的字符及其自适应应用。更为重要的是，在实验中，模糊图像作为容许标识的图像，以减少有效区域的使用来评估其坚固性、柔韧性以及方法的有效性。系统方式的数据输出．如特征矢量保留了较多正确的有用信息，在自动图像识别系统中作为输入数据。     

一种基于低剂量CT图像的肺结节分割方法*

为了减少低剂量胸部CT图像的肺结节分割过程中噪声及灰度分布不均匀等问题的干扰,提出一种新的肺结节分割算法。在活动轮廓模型的基础上,结合模糊隶属度,引入模糊速度函数作为轮廓线演化的限制权重因子,从而可排除分割时噪声等因素的干扰并能提高演化效率。并且针对血管粘连型肺结节,对模糊隶属度进行修正,引入血管特征系数,降低肺实质中大量血管区域的影响。经实验证明该算法可有效提高肺结节的分割精度,对血管粘连型肺结节分割结果更好,并且能明显降低肺结节的误分割率。     

基于多尺度高阶注意力机制的视网膜血管分割

视网膜血管分割对于辅助医生诊断糖尿病性视网膜病变、黄斑萎缩、青光眼等眼科疾病具有重要意义.注意力机制被广泛用于U-Net及其变体中以提高血管分割模型的性能.为进一步提高视网膜血管的分割精度,挖掘视网膜图像中的高阶及全局上下文信息,本文提出基于多尺度高阶注意力机制的模型(multi-scale high-order attention network, MHA-Net).首先,多尺度高阶注意力(multi-scale high-order attention, MHA)模块从深层特征图中提取多尺度和全局特征计算初始化注意力图,从而改进模型处理医学图像分割时尺度不变的缺陷.接下来,该模块通过图的传递闭包构建注意力图,进而提取高阶的深层特征.通过将多尺度高阶注意力模块应用于编码器-解码器结构中,在彩色眼底图像数据集DRIVE上进行血管分割,实验结果表明,基于多尺度高阶注意力机制的视网膜血管分割方法有效地提高了分割的精度.     

一种低对比度CT图像的血管分割方法

CT图像血管分割技术在疾病的诊断,手术规划等许多实际应用中发挥着重要的作用.由于个体性差异和成像设备的限制,造影后的血管通常存在对比度低和噪声高的缺陷.针对该数据特点提出了一套分割方法,首先采用直方图对图像进行预处理,以增强血管和周围区域的对比度;其次,改进Hessian矩阵血管增强的判别方法,使其对细小和模糊的管状结构更加敏感;最后,采用区域生长算法对增强后的数据进行血管提取,获得血管分支较丰富的分割数据.实验证明本文的分割方法可以准确地实现血管分割,有效地避免了误分割,具有较好的鲁棒性.     

一种基于超像素和生成对抗网络的视网膜血管分割方法

针对传统视网膜图像血管分割中部分血管轮廓粗糙、血管末梢和分支细节丢失等问题,提出 一种结合线性谱聚类超像素与生成对抗网络(Generative Adversarial Networks,GAN)的视网膜血管分割 方法。该方法首先对 GAN 进行改进,采用空洞空间金字塔池化模块的多尺度特征提取来提高 GAN 分 割精度,在获得视网膜血管分割图像后,利用线性谱聚类超像素分割的边缘贴合性高、轮廓清晰的特 点,将 GAN 输出图像映射到超像素分割图再对像素块进行分类,以达到分割的效果。仿真实验结果表 明,与传统的视网膜血管分割方法相比,该方法在灵敏度和准确性上有一定提升,轮廓边缘细节方面 有着更好的效果。     

Construction and verification of retinal vessel segmentation algorithm for color fundus image under BP neural network model

To improve the accuracy of retinal vessel segmentation, a retinal vessel segmentation algorithm for color fundus images based on back-propagation (BP) neural network is proposed according to the characteristics of retinal blood vessels. Four kinds of green channel image enhancement results of adaptive histogram equalization, morphological processing, Gaussian matched filtering, and Hessian matrix filtering are used to form feature vectors. The BP neural network is input to segment blood vessels. Experiments on the color fundus image libraries DRIVE and STARE show that this algorithm can obtain complete retinal blood vessel segmentation as well as connected vessel stems and terminals. When segmenting most small blood vessels, the average accuracy on the DRIVE library reaches 0.9477, and the average accuracy on the STARE library reaches 0.9498, which has a good segmentation effect. Through verification, the algorithm is feasible and effective for blood vessel segmentation of color fundus images and can detect more capillaries.

     

联合注意力和Transformer的视网膜血管分割网络

视网膜血管分割在许多眼科疾病诊断和治疗方面至关重要。对复杂的视网膜结构及低对比度眼底图像来说,准确地分割视网膜图像的血管特征仍具有挑战性。联合注意力和Transformer的视网膜血管分割网络JAT-Net,通过对编码阶段特征的通道信息和位置信息联合关注增强编码局部细节特征,利用Transformer增强对长距离上下文信息和空间依赖关系建模的能力。在DRIVE和CHASE数据集上进行视网膜血管分割实验,其准确率分别为0.970 6和0.977 4,F1分数分别为0.843 3和0.815 4,在视网膜血管分割方面表现不错。     

基于PST和多尺度高斯滤波的视网膜血管的分割

视网膜血管分割是眼科计算机辅助诊断和大规模眼科疾病筛查系统的基础。为辅助眼科医生进行眼底疾病的诊断，文中提出了一种基于相位拉伸变换(PST)和多尺度高斯滤波的视网膜血管分割方法。首先，将彩色眼底影像的绿色通道分量图进行增强预处理；然后采用不同尺度的高斯滤波器对预处理增强后的视网膜血管进行降噪处理，再结合PST边缘检测算法初步获得视网膜血管分割图；最后整合初步获得的视网膜血管分割图并进行形态学去噪，获得最终的视网膜血管分割图。通过在视网膜图像库DRIVE上进行实验，其平均准确率为93%，平均灵敏度达77%，平均特异性为95%，该实验结果验证了文中方法的有效性。     

Multilayered thresholding-based blood vessel segmentation for screening of diabetic retinopathy

Diabetic retinopathy screening involves assessment of the retina with attention to a series of indicative features, i.e., blood vessels, optic disk and macula etc. The detection of changes in blood vessel structure and flow due to either vessel narrowing, complete occlusions or neovascularization is of great importance. Blood vessel segmentation is the basic foundation while developing retinal screening systems since vessels serve as one of the main retinal landmark features. This article presents an automated method for enhancement and segmentation of blood vessels in retinal images. We present a method that uses 2-D Gabor wavelet for vessel enhancement due to their ability to enhance directional structures and a new multilayered thresholding technique for accurate vessel segmentation. The strength of proposed segmentation technique is that it performs well for large variations in illumination and even for capturing the thinnest vessels. The system is tested on publicly available retinal images databases of manually labeled images, i.e., DRIVE and STARE. The proposed method for blood vessel segmentation achieves an average accuracy of 94.85% and an average area under the receiver operating characteristic curve of 0.9669. We compare our method with recently published methods and experimental results show that proposed method gives better results.     

融合密集连接与自适应加权损失的血管壁图像分割

针对传统深度神经网络在对血管壁图像分割中难以提取具有针对性有效特征的问题,提出一种融合密度连接与自适应加权损失的血管壁图像分割方法。首先通过构建密集连接的分割网络学习更多的边界和轮廓表征以促进特征复用融合;然后设计了改进的自适应加权损失和边界紧凑性损失约束训练网络,利用自适应加权损失自动调整不同区域分割产生的损失比例来引导网络向最佳方向学习,同时引入边界紧凑性损失约束以充分利用边界信息,提升对血管壁图像的分割精度;最后对包含2 544张MRI的MERGE血管壁数据集进行了验证实验。结果表明,提出的改进方法能够有效提取血管壁图像的特征信息,在管腔和外壁轮廓分割中的Dice分别达到了93.65%和95.81%,设计的消融实验也充分证明了所提各个模块和网络的有效性,能够更好地实现高精度的图像分割。     

Blood vessel segmentation and extraction using H-minima method based on image processing techniques

Multimedia Tools and Applications - In this paper, the H-minima transform is used for blood vessel segmentation. The aim of this study is to get the high accuracy of blood vessel segmentation in...     

Retinal vessel image segmentation algorithm based on encoder-decoder structure

Multimedia Tools and Applications - The accurate segmentation of retinal vessel image is significant for the early diagnosis of some diseases. A retinal vessel image segmentation algorithm based on...