医学图像分割技术仿真研究

研究医学图像优化分割问题,医学诊断图像要求位置精确,并应精确标注.针对放射治疗以及外科手术过程中对人体器官组织医学图像分割的极大依赖,传统的医学图像分割算法难以分割出清晰有用的图像区域,为了提高分割精度,提出了一种精确的半自动医学图像分割算法,用于提高图像分割的清晰度.首先,通过用户的简单初始输入,确定目标器官和非目标器官的初始定位.然后,根据用户提供的初始定位的统计特性,利用条件随机场模型(CRF)和Graph Cut算法在图像中精确定位器官并进行分割.根据统计特性的分割结果可以在相关医学图像中重复使用以提高分割效率.试验表明,利用CRF和Graph Cut能有效的提高医学图像分割准确度,获得满意的医学图像分割结果.     

一种用于三维重建的多视图前景目标自动分割算法

基于序列图像的三维物体重建之前,从图像中分割前景目标可节约大量时间。但传统的分割算法需要通过用户输入来确定前、后景,而基于图像的三维重建需要大量的图像,造成极大的人工浪费。为此提出一种用于三维重建的多视图前景目标自动分割算法。对每个图像进行颜色一致性和几何一致性分析,确定前景和后景大致区域,得到初始输入,并以此构建能量方程。使用Graph Cut算法求解方程得到粗略分割结果;使用Matting细化分割边界,得到高质量的分割结果;使用分割后图片重建出物体三维模型。实验结果表明,该算法可自动分割出多视图图像的前景目标,且具有极高的准确率和良好的边缘。将该算法用于三维重建的前期图像处理,可大大提高三维重建的速度。     

融合Ncut方法的脊椎图像OTSU分割算法

提出一种融合Normalized Cut方法和OTSU方法的脊椎图像分割算法。首先通过Normalized Cut方法得到粗略的分割结果,然后根据脊椎的形状特征提取出有效的脊椎区域,在有效的脊椎区域进行OTSU分割算法,并通过边缘检测算法得到脊椎内部的轮廓边界。实验结果证明该方法可以较为精确地检测出椎骨轮廓的边界,有效地消除了伪边缘的影响。提出了按需分割的概念,首先消除背景区域的影响,然后在有效区域进行更为精细的处理,这样可以较大程度提高算法的处理速度。     

基于区域生长法的医学图像分割

医学图像分割是CT图像的三维重建等后续操作的基础,分割的准确性对医生判断至关重要.本文深入研究区域生长算法,并用VC 实现了该算法.区域生长法可满足图像分割的多种要求,既提取CT图的边缘信息,又针对某一特定区域的病灶单独实行分割,缩短了手术计划的时间,实验结果为临床诊断提供有利的帮助信息,提高了手术导航的效率.     

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.     

医学DR图像分割处理过程仿真分析

研究医学DR图像准确分割方法.人体组织的分布特征很难运用准确的数学模型进行描述,由于厚度不均匀,在进行CT图像采集的过程中,图像细节信息会被噪声等不利因素埋没,边缘变得不清晰,对比度降低.传统分割算法主要针对像素的某一个具体特征做出判断,在有噪的环境下,像素提纯受到干扰,很难对非可控信息进行模型控制,导致对医学DR图像的分割效果不好.为了避免上述缺陷,提出了一种人工鱼群算法的医学DR图像分割处理方法.通过对采集的DR图像进行增强处理,提高DR图像的对比度,利用SUSAN算子去除干扰信号,准确计算初始病变区域边界,对边界像素运用人工鱼群方法寻求.实验结果表明,利用改进算法能够有效提高医学DR图像分割的准确性,有利于临床医疗诊断.     

根系CT序列图像区域生长分割的新方法

在对传统区域生长算法改进的基础上,针对原位根系CT序列图像的特点,提出了一种基于区域生长的植物根系CT序列图像分割算法。通过对208幅JPEG格式的植物根系CT序列图像进行直方图分析,确定植物根系区域的分割阈值范围,结合阈值分割实现改进区域生长法对单层根系图像进行分割得到目标区域。在此基础上,利用植物根系在介质环境中的空间连续性,进一步实现仅在选择单幅图像种子点的情况下一次性完成整套CT序列图像的分割。借助MITK（Medical Imaging Toolkit）工具箱对分割好的原位根系CT序列图像进行三维重建,对三维模型进行不同角度观测来判断分割的正确性。实验结果表明,该算法分割速度快、精度高,能够有效地去除CT图像背景中杂质像素,准确提取出植物根系目标区域。     

双下肢医学CT图像的三维可视化研究与实现

将医院提供的二维断层图像序列转变为直观立体效果的图像,展现人体双下肢骨骼的三维结构与形态.结合模糊C-均值聚类算法和区域增长法对CT断层图像进行分割,提取图像中感必趣的区域ROI,即骨骼区域,再对分割后的图像采用面绘制的方法进行三维重建.两种分割方法的结合使用能使分割结果更加准确,Marching Cubes算法进行三维重 建能获得良好的骨骼观察视觉效果.该方法涉及到了数字图像处理、计算机图形学以及医学领域的相关知识,可实现医学CT图像的三维可视化,为骨科医学诊断提供了形象直观的技术方法.     

一种基于主动轮廓模型的医学图像序列分割算法

介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.通过把live wire算法和图像分割中一般的区域增长方法结合,对传统live wire算法进行了改进,并用改进后的算法对医学图像序列中的单张或多张切片进行交互式地准确分割.然后计算机利用活动轮廓模型自动分割相邻的未分割切片.还通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型,把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.最后介绍了一种基于live wire算法思想的简单的分割结果交互式修复方法.实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中分割出感兴趣的物体,在医学图像分析中具有实用价值.     

融合区域合并和Graph Cuts的彩色图像分割方法

针对使用Graph Cuts方法对图像进行分割极大影响分割精度这一问题,提出了一种新的融合区域分级合并和Graph Cuts的彩色图像分割算法。该算法首先使用均值漂移算法对图像进行初始分割,将原图像分割为具有较好边界的同质区域;然后,通过计算区域相似度对区域进行分级合并,之后构建精简的加权图,并使用Graph Cuts进行分割。多幅彩色图像的分割实验结果证明,所提算法具有较好的分割效果。     

基于数学形态学的免疫细胞图象分割

为了实现对免疫细胞图象的分析，首先要对该种图象进行正确分割，针对这一要求，提出了一种有效的免疫细胞图象分割方法，该方法是根据数学形态学的知识，利用直方图势池数来提取标记点，并将这些标记点作为种子点来对梯度图进行Watershed变换，进而实现了细胞图象的分割。该方法是一种谱信息与空间信息相结合的分割方法，根据实验结果和分析可见，该方法不仅解决了细胞在参数测量前的精确分割问题，同时，为水域分割的关键步骤－种子点的选取找到了一种有效而可靠的方法，实践表明，分割的结果与 目视感受相一致，且其分割速度及可重复性都达到了医学临床的要求。     

一种局部纹理特征在区域生长中的应用*

为克服现有算法不能自动选择种子且没有很好地利用纹理信息的局限性,提出了一种基于局部纹理特征的区域生长算法。算法分为两个阶段,即颜色量化和区域生长。先利用Mean Shift算法对颜色聚类,对图像预分割,用该局部量化纹理算法提取量化结果的纹理特征,由该纹理特征自动选择种子并分级合并区域。与经典的JSEG算法相比,该算法能够得到相似的分割结果,且计算复杂度低。     

基于Mean Shift和FDoG的图像卡通化渲染

针对现有图像卡通化渲染算法区域划分不明显或提取的边界不够连贯的问题,提出了一种基于Mean Shift和FDoG的图像卡通化渲染方法。该方法通过区域分割与边界处理相融合的手段,获取区域明晰、边界光滑连贯的卡通对象,同时结合亮度量化策略等后处理技术净化对象,最终获得具有卡通效果的图像。渲染算法采用Mean Shift技术对图像进行分割,通过设置合适的参数获取若干有意义的区域;引入FDoG算法思想对图像边界进行分析和提取;最后去除或合并视觉上的干扰区域,并参考卡通画的亮度分布特点对图像进行亮度量化,得到最终的卡通风格图像。方法实现简单,自动化程度较高,实验结果较理想。     

一种基于数学形态学的多结构元图像分割算法

针对Canny图像分割算法容易出现目标边缘断裂和粘连现象,根据数学形态学中开闭运算的性能,结合目标基本形状特征,提出了多结构元多层次图像分割后处理算法。算法利用多个尺寸逐渐增大的圆盘结构元,对目标边缘图进行闭运算,每次运算前根据目标基本形状特征过滤已达到好的分割效果目标,同时选择合适尺寸结构元对分割不好目标图像进行开运算,消除目标之间粘连及目标边缘突起。实验结果表明算法能够有效平滑目标轮廓,连接断裂边缘,去除目标粘连,算法提高了Canny边缘检测算子的图像分割准确性,减少了对Canny算子对参数的依赖性。     

一种基于数据融合的医学图像分割方法

针对一类纹理特征明显的医学图像,提出了一种融合纹理信息和灰度信息的图像分割方法,设计了基于金字塔结构的区域增长分割算法,该方法在区域内部结合使用纹理信息和灰度信息,在区域边缘部分则充分利用灰度信息,计算结果表明,该方法对某一类医学图像能够获得较好的分割效果。     

基于水平集的医学图像分割改进算法

医学影像分割是图像分割中的难点,具有重要的应用价值。针对医学影像的特点和图像分割算法的性能差异,提出了一种水平集医学图像分割改进算法。首先通过曲线演化仿真,得出水平集算法核心-速度函数;其次选定速度函数实现对图像的粗略分割,将灰度值较大的区域设置成灰度值较小的值,通过仿真演化准确找到图像中目标区域;最后利用选定的速度函数通过初始算法,经过一定次数的迭代操作后实现了医学影像的准确分割。实验结果表明:该算法可以精确地找到肿瘤所在区域,具有较好的分割性能和一定的鲁棒性。
     

勾画式交互的网格模型分割

提出一种基于区域增长的交互三维网格模型分割方法。在区域增长的基础上,首先由用户利用基于勾画的交互方式选定部分顶点作为目标和背景,其余顶点作为未知区域,利用区域增长的方法自动生成目标的边界,从而完成模型的分割。此方法中边界顶点分割结果的好坏直接影响到了最终的分割结果,因此,在利用区域增长方法形成边界时,将既与目标相邻又与背景相邻的顶点标记为特殊点,在其余未知部分分割完成之后,重新对特殊点进行一次区域增长算法。此时由于大部分顶点的状态已经确定,获得的边界将更为准确。实验表明分割结果有了很大程度的改进。     

基于超像素的高分遥感影像分割算法

针对高分遥感影像中存在地物数目多,特征信息复杂导致分割边缘不清晰、对象细节丢失等问题,提出一种改进的超像素分割和多特征结合的遥感影像分割合并算法。在对图像进行分割前的预处理阶段,使用超像素分割技术得到初始分割图像;区域合并过程中,基于对象间的异质性和对象内部的同质性,结合光谱、纹理和形状特征,对对象进行合并;通过调整全局分割参数来调整合并尺度,得到最终的影像分割结果。实验结果表明,所提方法能得到较好的影像分割效果。     

面向生物医学图像的交互式分割算法

结合阈值法和区域生长算法,提出一种面向生物医学图像的交互式分割算法。利用阈值法对图像中用户选取的感兴趣区域进行预分割,通过阈值分割得到的目标区域确定区域生长算法的种子像素与相似性准则,获得最终分割结果。实验结果表明,该算法简单快速、对生物医学图像可取得良好的分割效果。