肺部CT图像中的解剖结构分割方法综述

目的 高分辨率多层螺旋CT是临床医生研究肺部解剖结构功能、评估生理状态、检测和诊断病变的主要影像学工具。鉴于肺部各解剖结构间特殊的关联关系和图像成像缺陷、组织病变等干扰因素对分割效果的影响,学术界已在经典图像处理方法基础上针对CT图像中的肺部解剖结构分割进行了大量研究。方法 通过对相关领域有代表性或前沿性文献的归纳总结,系统性地梳理了现有肺组织、肺气管、肺血管、肺裂纹、肺叶或肺段等解剖结构CT图像分割方法的主要流程、方法理论、关键技术和优缺点,讨论了各解剖结构分割的参考数据获取、实验设计方法和结果评价指标。结果 分析了现有研究在结果精度和鲁棒性方面所面临的挑战性问题,以及基于分割结果在定位病变、定量测量、提取其他结构等方面展开的热点应用,特别详述了当前被重点关注的深度学习方法在本领域的工作进展,同时展望了本领域在分割理论方法和后续处理等步骤的发展趋势,并探索了如何在实践中根据分割结果发现新的临床生物标志。结论 快速精确地从CT图像中分割肺部各解剖结构可以获取清晰直观的3维可视化结构影像,展开解剖结构内部的定量参数测量或结构之间的关联关系分析能提供客观、有效的肺部组织疾病辅助诊断依据信息,可以大大减轻临床医生的阅片负担、提高工作效率,具有重要的理论研究意义和临床应用价值。     

基于CT图像的脊椎骨组织分割

研究的内容是对CT图像切片进行三维重建并从重建的三维脊柱模型上分离出单个的脊椎椎骨。主要包括：对原始带噪CT图像进行噪声去除,对CT图像进行单一阀值结合形态学的分割,并仅保留脊椎部分图形;对分割后的结果进行三维重建,得到整个脊柱的三维模型;使用空间超邻域算法,将单个的脊椎椎骨从脊柱三维模型上分离出来。实验结果表明分离出来的单个椎骨效果良好,自动化程度较高,对虚拟脊椎矫正手术有一定的指导意义。     

基于DICOM格式的肝脏肿瘤CT图像分割

为减少数据损失与处理时间,直接从DICOM格式的CT胸腹部图像中分割出肝脏肿瘤。为有效地分割出肿瘤,先设置恰当的窗宽窗位。利用ITK读取图像,用均值曲率流滤波法去除图像上的噪声。对目前几种在图像分割领域应用较多的阈值分割及区域生长分割算法进行了探讨,结合获得的活体CT图像进行实验研究,得到较为满意和有效的结果。实验表明：肝脏肿瘤这一目标区域的面积较小,区域生长分割算法中的“置信连接阈值法”能从胸腹腔CT图像中很好地分割出肝脏肿瘤。     

肺实质CT图像分割方法

针对肺部CT图像中因各组织灰度不均匀、结构复杂等因素造成双肺边界难以准确分割的问题,提出一种多阈值和基于投影的标记控制分水岭分割方法。运用多阈值法对图像进行粗分割,结合形态学开运算去除图像中残余的气管与主支气管;对于左右肺区未完全分离的情况,采用基于投影的标记控制分水岭分割方法进行分离;利用形态学开闭运算对粗分割结果进行细化。实验结果表明,该方法能够对肺实质进行较准确的分割。     

基于噪声统计模型的图像分割方法

图像分割是图像特征提取和图像识别的基础和前提,是图像研究中的热点之一.本文对目前图像分割的分类、最近几年出现的新方法、新思路以及传统图像分割中对噪声的处理进行比较简要的综述,针对噪声对图像分割的影响,提出利用噪声的统计特性建立噪声统计模型改进图像分割的新方法.     

基于MMD的建筑混凝土CT图像分割

本文利用改进的动态METROPOLIS方法(MMD)对混凝土圆柱体试件一个扫描断面的4个应力阶段的CT图像进行分割。基于MMD混凝土的CT图像分割使得混凝土的细观结构的CT统计分析简化,并为混凝土CT细观结构研究分析提供了重要参考。     

基于Snake改进型模型的胸部CT图像分割方法

针对胸部CT图像分割中的一些难点,结合贪心算法的特点,引入梯度向量流(GVF)来代替传统Snake中的图像力。从添加外部约束、方程求解和边缘图生成等方面对GVF模型进行了改进。该GVF模型的扩散方程计算的边缘映射图则利用了Canny算子的边缘检测结果,从而对GVF力场的弱边界区域和小灰度变化区域进行了明显的改善。对力场扩散方程中梯度矢量流的分量分别进行归一化处理,减小了物体边界力场对曲线上各点的影响,克服了GVF模型难以解决的深凹问题,有效地控制活动等值线外部人工约束能量。改进的GVF-Snake模型能准确、反复地对胸部CT图像进行分割优化,具有良好的鲁棒性和实用性。该方法提高了胸部CT图像分割的可重复性、准确性和通用性。其应用可为医生准确观察CT图像提供良好的帮助,更对该方面病理研究提供较好依据。     

肺实质CT图像细化分割

目的 由于肺部CT图像中各组织结构复杂、灰度分布不均匀,造成肺实质部分难以准确分割和提取。为了提高肺实质分割的准确率,本文提出了一种基于超像素的细化分割与模糊C均值聚类相结合的自动分割算法。方法 该算法充分利用肺部CT图像的灰度、纹理特征,同时为了正确标记超像素的分类,引入一种空间邻域信息来增强空间约束进而有效地解决灰度不均匀的问题,它能够对肺实质进行分割并除去其周围的主血管,然后利用形态学知识去除肺部的分支血管。结果 在临床患有四类疾病的患者CT图像数据集上采用改进的图像特征,使得肺实质分割的准确率提高了0.8%。同时,算法准确率提高到99.46%。结论 实验结果表明,本文算法能够实现肺部CT图像肺实质的自动细化分割,结果准确适用。该算法鲁棒性好、速度快,是一种精确有效的自动肺实质分割方法。     

基于遗传算法的肝脏CT图像分割算法研究

遗传算法是一种基于生物选择与遗传机制所形成的一种全局优化、随机搜索算法,对处理一些传统搜索算法解决有难度的复杂问题比较适合,具有巨大发展潜力。论文首先介绍了遗传算法的基本原理以及它的主要特点和性质,重点叙述了基于遗传算法的图像分割方法,并通过应用遗传算法选取合适的阈值,进而采用最大熵原则对人体肝脏CT图像进行了分割算法处理,得到图像分割处理的实验结果,并对实验结果进行了分析。     

Liver Segmentation Technique for CT Images Based on Statistical Analysis

This article presented the automatic diagnosis of liver pathologies and its 3D volume rendering. The first and fundamental step in all these studies is the automatic liver segmentation, which is still an open problem. In this thesis, two automatic methods are described to segment the liver from abdominal CT image data. The first step is image enhancement. Secondly, texture analysis is using standard statistical measures, finally it is a rough mask to segment the liver.     

CT图像肺及肺病变区域分割方法综述

计算机断层扫描(computed tomography, CT)技术能为新冠肺炎(corona virus disease 2019,COVID-19)和肺癌等肺部疾病的诊断与治疗提供更全面的信息,但是由于肺部疾病的类型多样且复杂,使得对肺CT图像进行高质量的肺病变区域分割成为计算机辅助诊断的重难点问题。为了对肺CT图像的肺及肺病变区域分割方法的现状进行全面研究,本文综述了近年国内外发表的相关文献：对基于区域和活动轮廓的肺CT图像传统分割方法的优缺点进行比较与总结,传统的肺CT图像分割方法因其实现原理简单且分割速度快等优点,早期使用较多,但其存在分割精度不高的缺点,目前仍有不少基于传统方法的改进策略;重点分析了基于卷积神经网络(convolutional neural network, CNN)、全卷积网络(fully convolutional network, FCN)、U-Net和生成对抗网络(generative adversarial network, GAN)的肺CT图像分割网络结构改进模型的研究进展,基于深度学习的分割方法具有分割精度高、迁移学习能力强和鲁棒性高等优点,特...     

基于胸部CT图象的肺区自动分割

肺区自动分割是肺部肿瘤计算机辅助诊断系统的关键之一。文章采用多阈值和区域生长方法,先去掉背景,再去掉气管/支气管,最后对提取出来的肺区使用滚球的方法进行修补。该方法速度快、人工干预少、准确。     

基于CT影像的肺组织分割方法综述

CT影像具有空间分辨率高的优点,是肺部疾病影像学诊断的首选方式。肺部病灶的检测和测量、肺功能的定量分析均需要精确的肺组织分割。为解决CT影像存在噪声、伪影、部分容积效应等干扰,而导致的肺部各组织之间灰度交叠、边界模糊、难以分离的问题,系统的综述了针对肺部各个分割对象的有效解决方法。从肺实质分割、肺血管分割、肺气道分割、肺叶分割、肺结节分割以及肺部病变组织的分割等方面,详细分析了面临的挑战性问题和当前研究进展,并阐述了肺组织分割方法的发展趋势。     

CT影像肺结节分割研究进展

准确分割肺结节在临床上具有重要意义。计算机断层扫描（computer tomography,CT）技术以其成像速度快、图像分辨率高等优点广泛应用于肺结节分割及功能评价中。为了进一步对肺部CT影像中的肺结节分割方法进行探索,本文对基于CT影像的肺结节分割方法研究进行综述。1）对传统的肺结节分割方法及其优缺点进行了归纳比较;2）重点介绍了包括深度学习、深度学习与传统方法相结合在内的肺结节分割方法;3）简单介绍了肺结节分割方法的常用评价指标,并结合部分方法的指标表现展望了肺结节分割方法研究领域的未来发展趋势。传统的肺结节分割方法各有优缺点和其适用的结节类型,深度学习分割方法因普适性好等优点成为该领域的研究热点。研究者们致力于如何提高分割结果的准确度、模型的鲁棒性及方法的普适性,为了实现此目的本文总结了各类方法的优缺点。基于CT影像的肺结节分割方法研究已经取得了不小的成就,但肺结节形状各异、密度不均匀,且部分结节与血管、胸膜等解剖结构粘连,给结节分割增加了困难,结节分割效果仍有很大提升空间。精度高、速度快的深度学习分割方法将会是研究者密切关注的方法,但该类方法仍需解决数据需求量大和网络模型超参数的确定等问题。     

一种基于信任传播的混凝土CT图像分割方法*

提出一种信任传播(belief propagation)算法,对混凝土CT图像进行分割处理。从分割结果看,该方法能够完整地反映出混凝土材料的内部结构和缺陷,并且与模拟退火算法ICM、Metropolis和Gibbs采样法分割结果图进行了比较,结果表明,信任传播算法在图像分割效率和分割精度上都有明显的提高。该分析方法为混凝土应力分析提供了一种重要的辅助手段,具有重要的应用意义。     

基于RGB分量统计的可变区域彩色图像分割算法*

为了能够对彩色图像进行高效的分割,提出了一种可变区域的图像分割算法,利用基于图像全局RGB分量统计信息的活动轮廓模型进行曲线演化,并使用水平集表示轮廓。通过改变和缩小分割区域的策略,将分割过程分为多个阶段进行。在灰度图像的分割算法的基础上,将可变区域策略拓展到彩色图像。实验结果表明,图像中多连通区域的物体能够被准确且快速地分割出来。与现有模型相比,可以自动地完成工作而无须人工干预,并且算法快速方面有明显的改进。