一种基于胸部CT的肺实质分割研究

CT检测在人体肺部疾病的诊疗中起着重要作用,快速完整地分割出肺实质区域已成为定性、定量诊断肺部疾病的重要手段。文章在分析研究大量胸部CT图像的基础上,提出一种新的肺实质分割方法:将Mean-Shift算法结合Snake模型分割出肺实质区域。实验证明,文章所提方法精确度高、分割效果完整,满足临床诊疗的要求。     

一种CT图像的肺实质分割方法

基于CT图像的肺实质分割不仅仅是后续图像处理最基础和最重要的技术,而且是一个典型的亟待解决的问题。本文利用水平集方法能初步获取较好的目标轮廓的特点和分水岭算法准确的边缘检测能力,提出一种基于水平集和分水岭相结合的改进轮廓检测算法。该算法采用由粗糙到准确的方式,在运用水平集演化初步检测目标轮廓的基础上,进一步运用标记分水岭算法检测准确的轮廓边界。结果表明,该方法能实现肺实质分割,解决了肺结节检测的预处理问题。     

基于CT图像的肺实质分割技术研究

基于CT图像的肺实质分割不仅仅是后续图像处理最基础和最重要的技术,而且是一个典型的亟待解决的问题。基于CT图像的精确的肺实质分割是数学分析、计算机辅助分析和治疗的前提。本文明确了肺实质分割的概念及本质,以及肺实质分割在临床治疗中的重大意义。重点介绍了阈值法、区域生长法、主动轮廓模型和遗传算法,分析了它们的本质以及优缺点,并且列举大量实例说明。最后指出了基于CT图像的肺实质分割方法的发展趋势与面临的挑战。     

一种改进的交互式医学图像序列分割方法

本文介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.我们通过把live wire算法和图像分割中一般的区域增长方法结合来改进live wire算法,并用改进后的算法来对医学图像序列中的单张或多张切片进行交互式的准确分割.然后计算机利用活动轮廓模型来自动分割相邻的未分割切片.我们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来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.本文还介绍了一种基于live wire算法思想的简单的分割结果交互式修补方法.实验表明我们的算法仅需少量用户交互就能快速准确的从医学图像序列中分割出感兴趣的物体.     

多阈值和标记分水岭相融合的肺部CT图像分割方法

针对肺部CT图像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,提出了一种多阈值和标记分水岭相融合的肺部分割方法。首先采用多阈值法对肺部CT图像进行粗分割,并去除图像中气管与主支气管;然后采用标记控制分水岭方法进行精分割,并利用形态学运算对肺实质边缘修补,最后采用临床肺CT图像在Matlab 2012平台上对算法性能进行仿真测试。结果表明,本文方法可以较好保留肺部CT图像的边界信息,提高了肺部CT图像分割精度,误分和错分概率大幅度下降,取得了十分理想的分割结果,为肺部疾病临床医学诊断提供了有价值的参考信息。     

结合平面模型与区域增长的矿石点云分割

为了解决传统固定式破碎机在矿山井下利用石块三维信息来实现自动碎石的过程中出现的石块点云过拟合成平面,造成石块三维信息缺失的情况。文章提出了基于背景模型的方法获取石块的三维信息。利用破碎区域石块背景的不变性,将获取的石块点云与背景比较并过滤掉背景部分,最后利用区域增长算法对石块点云分割。实验结果表明,相比于基于平面模型与区域增长法,改进后的分割方法效果与鲁棒性更高。     

原位根系CT图像的分割算法研究

在介绍原位植物根系观测技术方法的基础上,对近年来国内外植物根系原位观测方法的研究进展和存在的问题进行了总结.结合根系构型研究的需要,提出一种基于阈值分析和区域生长相结合的用于植物根系CT图像的图像分割算法.首先通过直方图分析,初步确定根系区域的分割阈值,再利用经过改进的区域生长法分割得到目标区域.结果表明,该分割算法的计算量小,分割精度高,能够有效地分离介质像素.     

基于感兴趣区域轮廓的图像分割方法

针对耗时和区域边界不精确的图像分割问题,对边缘检测方法和区域生长方法进行研究、改进,提出以边缘检测和区域生长相结合的感兴趣区域轮廓的图像分割方法,该方法能够更加精确地对图像进行分割。实验结果表明,该方法对复杂环境下感兴趣区域的图像分割具有良好的效果。     

基于SVM能量模型的改进主动轮廓图像分割算法研究

为克服经典主动轮廓模型曲线内外区域能量定义在复杂目标与背景分布情况下的不足,本文将高效的支持向量机有监督学习分类器引入基于Mumford-shah模型的主动轮廓图像分割算法中,提出了基于SVM能量模型的改进主动轮廓图像分割方法.该方法首先利用支持向量机的分类结果对于封闭曲线的内外区域分别构造了一种新的图像能量表示方法,因为分割过程充分利用了有监督学习策略,使得本文提出的算法具有更高的稳定性和更加广泛的适用范围,特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果.分割时,首先利用SVM实现粗分割得到目标初始轮廓,然后利用改进的Mumford-shah主动轮廓模型进行精确分割,采用粗分割策略一方面可以大大提高分割速度,另一方面也可以提高了算法的自动化程度.对比实验结果表明本文提出的算法具有更大灵活性和更好的分割性能.     

结合水平集和分水岭的粘连岩石图像分割

针对矿场的矿岩中粘连岩石图像难以分割的问题,提出了一种结合水平集和分水岭的图像分割方法。首先用水平集算法提取岩石颗粒边缘轮廓,在凸包和边缘轮廓共同控制下迭代腐蚀获得标记区域,最后用分水岭算法实现粘连岩石颗粒分离。实验结果表明,该算法能有效减少欠分割和过分割状况,具有较好的分割效果。     

一种具有平滑轮廓的指纹图像分割算法

针对指纹图像预处理过程中的需要,提出了一种有效实用的基于指纹轮廓线的指纹图像分割算法.首先,在基于像素水平的指纹图像预分割后,得到一块连通的前景区域.然后,用一种改进的近似凸壳算法修正轮廓线.实验证明,该算法具有较高的稳健性和精确度.     

一种具有预测能力的三维图像分割方法

在充分分析三维图像特点的基础上,提出了一种新的三维图像分割方案。该方案在改进的主动轮廓模型的基础上融入了预测算法。三维图像中物体的轮廓沿着空间轴或时间轴的位移和形变是连续的,该算法根据这一特性,利用前几幅图的分割结果来预测当前图像中物体轮廓的位置和形状,弥补了主动轮廓模型搜索范围小的缺点。对医学解剖图像的试验结果表明,这种方法能显著提高分割的准确性和速度。     

Tumor segmentation in lung CT images based on support vector machine and improved level set

In lung CT images, the edge of a tumor is frequently fuzzy because of the complex relationship between tumors and tissues, especially in cases that the tumor adheres to the chest and lung in the pathology area. This makes the tumor segmentation more difficult. In order to segment tumors in lung CT images accurately, a method based on support vector machine (SVM) and improved level set model is proposed. Firstly, the image is divided into several block units; then the texture, gray and shape features of each block are extracted to construct eigenvector and then the SVM classifier is trained to detect suspicious lung lesion areas; finally, the suspicious edge is extracted as the initial contour after optimizing lesion areas, and the complete tumor segmentation can be obtained by level set model modified with morphological gradient. Experimental results show that this method can efficiently and fast segment the tumors from complex lung CT images with higher accuracy.     

一种基于CT影像的肺癌病灶检测新方法

 肺癌病灶的检测一直是重要与困难的工作,本文提出了一种基于三维CT影像的肺结节计算机辅助检测新方法.基于自适应阈值等方法分割肺实质区域;由于肺血管是肺结节检测的重要干扰,建立一种形变模型精确分割并过滤肺内血管组织;基于Hessian矩阵特征值构造可选择形状滤波器检测疑似结节,并进一步过滤剩余的细小血管组织;提取多个结节特征,并采用基于规则分类器进行分类.实验结果表明,该方法可以有效帮助医生提高肺癌疾病的诊断准确率.     

一种全新的两步自动化医学图像分割方案

针对现有图像分割方法存在需要手动分割,以及精确度较低的问题。采用一种全新的两步图像分割方案。该方案。以基于人工神经网络的模式识别技术,即人工神经网络的大规模培训的方法,通过对肺区不同子区域内结构进行分割处理,利用训练好的大规模人工神经网络对标准胸片中的肋骨、锁骨等骨质结构进行抑制,结合以基于区域的活动轮廓模型,即Snake模型,正确分割亮度不均匀的图像。文中选择与医护人员人工分割的图像进行对比,通过放射科医生采用等级法打分,原图的平均分为20分,而通过文中改进的分割方法平均分高达34分。     

Automatic liver and lesion segmentation: a primary step in diagnosis of liver diseases

Computed Tomography (CT) images are widely used for diagnosis of liver diseases and volume measurement for liver surgery and transplantation. Segmentation of liver and lesion is regarded as a major primary step in computer-aided diagnosis of liver diseases. Lesion alone cannot be segmented automatically from the abdominal CT image since there are tissues external to the liver with similar intensity to the lesions. Therefore, it is necessary to segment the liver first so that lesion can then be segmented accurately from it. In this paper, an approach for automatic and effective segmentation of liver and lesion from CT images needed for computer-aided diagnosis of liver is proposed. The method uses confidence connected region growing facilitated by preprocessing and postprocessing functions for automatic segmentation of liver and Alternative Fuzzy C-Means clustering for lesion segmentation. The algorithm is quantitatively evaluated by comparing automatic segmentation results to the manual segmentation results based on volume measurement error, figure of merit, spatial overlap, false positive error, false negative error, and visual overlap.     

QoS路由选择:问题与解决方法综述

保证服务质量的QoS路由(Quality of Service Routing)是网络中解决QoS问题的一项关键技术.QoS路由的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用.度量参数选择问题、寻路问题和路由信息不准确问题是QoS路由中的几个主要研究内容.本文围绕这三个方面,介绍了QoS路由中的主要问题及相关的解决办法,并探讨了今后QoS路由可能的研究方向.     

Intrathoracic airway trees: segmentation and airway morphology analysis from low-dose CT scans

The segmentation of the human airway tree from volumetric computed tomography (CT) images builds an important step for many clinical applications and for physiological studies. Previously proposed algorithms suffer from one or several problems: leaking into the surrounding lung parenchyma, the need for the user to manually adjust parameters, excessive runtime. Low-dose CT scans are increasingly utilized in lung screening studies, but segmenting them with traditional airway segmentation algorithms often yields less than satisfying results. In this paper, a new airway segmentation method based on fuzzy connectivity is presented. Small adaptive regions of interest are used that follow the airway branches as they are segmented. This has several advantages. It makes it possible to detect leaks early and avoid them, the segmentation algorithm can automatically adapt to changing image parameters, and the computing time is kept within moderate values. The new method is robust in the sense that it works on various types of scans (low-dose and regular dose, normal subjects and diseased subjects) without the need for the user to manually adjust any parameters. Comparison with a commonly used region-grow segmentation algorithm shows that the newly proposed method retrieves a significantly higher count of airway branches. A method that conducts accurate cross-sectional airway measurements on airways is presented as an additional processing step. Measurements are conducted in the original gray-level volume. Validation on a phantom shows that subvoxel accuracy is achieved for all airway sizes and airway orientations.