PCNN与形态匹配增强相结合的视网膜血管分割

针对人工手动提取视网膜血管工作量大,主观性强等问题,本文提出了一种将区域生长思想、脉冲耦合神经网络(PCNN)、高斯滤波器组及Gabor滤波器相结合的视网膜血管分割方法。首先将二维高斯滤波器组、二维Gabor匹配滤波器相结合,对视网膜血管区域进行形态匹配增强,提升血管与背景的对比度。然后将带有快速连接机制的PCNN与区域生长思想相结合,每次从未处理的像素点中选取亮度最大的作为种子,使用自适应的连接系数及停止条件,实现眼底图像中血管的自动分割。整个算法在DRIVE眼底数据库上的实验结果显示,平均准确度、灵敏度、特异性分别达到93.96%、78.64%、95.64%,分割结果中血管断点少,微小血管清晰,具有较好的应用前景。     

多层螺旋CT成像与造影在冠脉血管病变中诊断价值比较

目的:探讨多层螺旋CT成像(CTCA)在冠脉血管病变中的诊断价值.方法:选取我院2011年12月至2012年2月收治的80例疑诊为冠脉血管病变的患者为研究对象,该组患者均经CTCA诊断及冠状动脉造影,将两者检查的结果进行对比分析.结果:80例患者采用冠脉造影显示1200节段冠状动脉,CTCA可提供优良分析1080节段,其诊断冠脉≥50％狭窄的敏感性、特异性及准确率与冠脉诊断结果无显著性差异(P＞0.05).结论:CTCA对预测及早期诊断冠脉血管疾病有重要的临床价值,是一种安全、可靠的诊断方法,值得临床推广.     

区域生长和C-均值聚类结合的图像分割方法

结合边缘检测的模糊C-均值聚类图像分割方法,本文提出一种基于区域生长和模糊C-均值聚类相结合的图像分割方法.采用与区域生长类似的方法,寻找图像中封闭边缘围成的相互独立的区域,根据物理就近原则对边缘点进行归类,完成图像的分割.经实验验证:目标区的分割相对完整.     

基于snake模型的IVUS图像序列三维分割方法

针对血管内超声（Intravascular Ultrasound,IVUS）图像序列中血管壁内外膜轮廓的提取问题,提出一种基于snake模型的三维并行分割方法。首先,对原始图像进行滤除噪声和抑制环晕伪像等预处理。然后,获取IVUS图像序列的四个纵向视图,并从中提取出内腔边界和中-外膜边界。通过将这些边界曲线映射到各帧IVUS图像中,得到横向视图中的初始轮廓。最后,将该初始轮廓作为snake模型的初始形状,通过使snake能量函数最小,模型不断变形,最终得到各帧IVUS图像中的内腔和中-外膜边界。该方法可实现对IVUS图像序列的并行分割,与二维串行分割方法相比,可大大提高处理效率。采用大量临床图像数据的实验结果证明该方法可自动、快速、可靠的完成IVUS图像序列的分割。     

基于自动种子区域生长的超声B图像缺陷分割方法

提出一种基于自动种子区域生长的超声图像缺陷分割方法。首先使用最大类间方差（Otsu）分割法对超声B图像进行一次预分割;其次寻到绝对背景区,并且在此区域内自动设置种子起始点;然后利用区域生长法将缺陷从背景中分割;最后通过数字形态学降噪法来进一步提高缺陷的识别度。实验结果表明:该方法不仅能准确地分割出缺陷,且具有较好的缺陷边界信息,提高了对超声B图像的处理效率,有效地抑制了大部分图像噪声。     

基于多视角区域生长的复杂点云模型分割

为提高三维点云模型在特征模糊区域的分割精度,提出了一种借助多视角区域生长的分割方法。基于网格法向量方向相异性原则,初次将模型划分为不同类别的子区域,在相应区域建立点云与多视角距离图像的一一映射关系。利用Canny算子对灰度的敏锐性获取独立连通域并计算其重心坐标,根据对应关系在三维点云中提取对应点作为种子点,然后引入网格法向量的偏移角度分离邻接面,同时对剩余彼此独立的分割面按照迭代搜索最近点的原则进行提取,并利用KNN算法去除离群点实现分割优化。在选取的模型数据集上进行实验,结果表明该方法能够实现复杂点云模型的合理划分,分割精度不低于80%。