一种医学三维数据集中感兴趣空间邻域体快速分割方法

图像分割是一种重要的图像技术,一直以来都受到人们的普遍重视和研究,在各个领域也得到广泛的应用。随着影像医学的发展,图像分割在医学应用中的重要意义也越来越明显。从医学应用的角度出发,通过对阈值法与区域生长法做出改进,提出一种感兴趣空间邻域体的快速分割方法,该方法有效结合从医学三维数据集中获得的感兴趣空间邻域体的二维切片图像及其空间信息,是一种半自动的分割方法。     

医学体数据三维可视化技术

医学体数据的可视化是科学计算可视化的重要研究领域,其处理过程包括体数据的获取、模型的建立、数据的映射、绘制等操作。论文对医学体数据可视化的相关技术进行了综述,讨论了医学体数据的结构模型和表示方法,全面地分析了医学体数据可视化中各种算法和技术的特点,及相关的加速技术,探讨了目前医学体数据可视化存在的问题及发展趋势。     

医学体数据三维可视化方法的分类与评价

医学图象三维可视化具有极大的医学研究和临床诊疗应用前景,是现代医学影象研究的重要领域。医学图象三维可视化方法通常分为表面绘制和体绘制,已有许多具体的算法提出,一些算法兼具表面绘制和体绘制的特点,归为混合绘制方法,该文概述了一些典型算法,并讨论了其特点及相互联系,同时对各类方法的应用场合及前景了分析和评价。     

医学三维体数据中的几何测量方法研究

在应用医学图像诊断病情以及放射治疗计划制定中,器官及病变组织的几何测量具有重要的作用。文中基于医学三维体数据研究了空间中任意两点间的距离测量,基于面绘制的三角面片研究了组织器官表面积测量,基于体绘制研究了组织器官的体积测量,在实验中取得了较高的测量精度。     

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。     

医学体数据三维可视化改进算法综述

医学体数据三维可视化技术有着广泛的应用前景。近年来为加快绘制速度，提高成像质量和节省存储空间提出了许多改进算法，本文总结了这些算法，为进一步研究奠定了基础。     

三维医学图像分割与可视化研究

本文提出了一种利用三维图像的灰度和形状信息进行三维图像分割以及在此基础上的构造等值面的方法，首先对三维图像进行阈值分割，获得三维二值图像，在预处理阶段，利用三维形状腐蚀消除感兴趣组组织与其它组织的弱联系，然后对三维二值图像进行三标记，得到腐蚀后的组织，对其三维形态扩张，获得感兴趣组织的三维模板，将模板与阈值分割图像求交，从而分割出三维组织，根据分割后的三维二值模板，构造出有一定厚度的模糊边界，然后     

三维医学图像体分割算法研究

在分析医学数据场物理特性的基础上,提出一种基于边缘过渡区域的医学体数据分割算法.论述边缘过渡区域在医学数据场中的存在性和区域分割对医学数据场的可行性;对三维数据场进行预处理,并修正扩展二维图像的灰度区域分割方法,使之适用于提取三维数据场边界过渡区,通过优化算法的运算流程和采样方法以提高三维数据场体分割的算法效率.实验结果表明本文算法提高了分割精度并降低了时间消耗.     

医学图像分割方法综述

图像分割是一个经典难题,随着影像医学的发展,图像分割在医学应用中具有特殊的重要意义.本文从医学应用的角度出发,对医学图像分割方法,特别是近几年来图像分割领域中出现的新思路、新方法或对原有方法的新的改进给出了一个比较全面的综述,最后总结了医学图像分割方法的研究特点.     

三维数据场实时体绘制研究进展

在分析了三维数据场实时体绘制研究现状的基础上，重点探讨了三维数据场实时体绘制的五种方法：降低采样维数法、空间相关性法、跳过空体元法、基于硬件的方法及并行处理的方法，并比较了各种绘制算法的特点，从而指明了三维数据场实时体绘制进一步研究的方向。     

基于动态自适应体素生长的肺部 CT图像3维分割算法

为了解决传统体素生长算法中容易产生分割泄漏问题以及左右肺分离的难题,提出了一种动态自适应的体素生长算法,用于对肺部CT图像进行3维分割.该算法采用了半侧肺预分割的方式,并针对分割区域的局部统计信息动态调整分割参数,有效地避免了分割泄漏,并在准确度和鲁棒性方面得到了很大的改进,而且能够应用于纯3维环境的自动分割.该算法通过对多组实验数据,包括健康人和不同类型肺病患者的肺部CT图像进行试验,取得了良好的效果,为肺部组织的定量计算以及临床应用提供了可靠的基础.     

小波变换在三维医学图象分割中的应用

本文将多尺度小波变换应用到三维医学图象分割中的阈值选取中．由于小波变换在较大尺度，由噪音引起的细小突变较少，可描述信号的整体行为，取较大尺度的由负到正的零交叉点来确定图象的阈值，再逐步到相邻的小尺度由粗到精地确定精确的阈值．用以上算法对三维医学图象进行二值化后，根据待提取组织或区域的特征，再选取合适的数学形态学操作，最后对区域进行种子填充．从实验结果可以看出分割效果较好，能够满足三维重建的要求．     

基于三维Hough变换的三维超声针状物体检测

本文提出了一种以(Φ,θ,ρ,α)四参数表示的空间直线为基础的三维Hough变换,用来检测三维超声图像中的针状物体。我们用实验室研发的三维超声系统采集插入水中的钢针的三维超声图像,然后用本文提出的方法对其进行检测。实验结果表明,本文提出的方法能比较准确地检测出三维超声图像中的针状物体,方向误差在1°以内,位置误差在1mm以内。     

基于阈值和snake模型的三维医学图像自动分割

提出了一种利用snake模型和基于连通性阈值算法进行三维医学图像的自动分割方法。根据三维医学图像的特点，首先选取该图像的中间层图像，利用基于连通性的阈值算法对其分割；其次利用邻层图像分割结果和snake模型来指导下一层的图像分割。实验结果表明，该方法可以明显提高分割的准确率和速度。     

基于分割的三维医学图像表面重建算法

提出了一种基于分割的三维医学图像表面重建算法,它将图像分割与MC(marching cubes)算法有机地结合,这样可以根据不同医学图像的特点,采用适合的分割方法,实现对不同组织的准确分割,并利用分割结果精确地提取等值面,避免了MC只适合于阈值分割的局限性.同时采用一种基于区域增长的立方体检测方法,提高了表面跟踪的效率.实验证明,运用本算法,重建速度和显示效果均有提高.     

基于相关性的三维医学图像插值

现有的插值方法在进行医学断层图像插值时,要么不能兼顾灰度和形状的变化,要么计算量太大。为解决这一问题,文中提出一种基于相关性的三维医学图像插值算法。通过对原图进行门限分割,获得体素的分割值。对相同密度物质采用灰度插值,不同密度物质,利用体素的相关性来进行插值,使新的图像不仅在灰度上,而且在组织形状上,介于原来的断层图像之间,满足了医学图像插值的要求。与线性插值相比,新算法的视觉效果好,计算误差小;插值结果可有效地应用于构建三维体模型。     

三维医学图像的体绘制技术综述

在分析三维医学图形体绘制技术的基础上,描述了射线投射法、足迹法、剪切-曲变法、基于硬件的3D纹理映射、频域体绘制法和基于小波的体绘制等典型算法,给出了各类算法的性能评价,展望了体绘制技术研究的发展前景。     

Deformable M-Reps for 3D Medical Image Segmentation

M-reps (formerly called DSLs) are a multiscale medial means for modeling and rendering 3D solid geometry. They are particularly well suited to model anatomic objects and in particular to capture prior geometric information effectively in deformable models segmentation approaches. The representation is based on figural models, which define objects at coarse scale by a hierarchy of figures—each figure generally a slab representing a solid region and its boundary simultaneously. This paper focuses on the use of single figure models to segment objects of relatively simple structure.A single figure is a sheet of medial atoms, which is interpolated from the model formed by a net, i.e., a mesh or chain, of medial atoms (hence the name m-reps), each atom modeling a solid region via not only a position and a width but also a local figural frame giving figural directions and an object angle between opposing, corresponding positions on the boundary implied by the m-rep. The special capability of an m-rep is to provide spatial and orientational correspondence between an object in two different states of deformation. This ability is central to effective measurement of both geometric typicality and geometry to image match, the two terms of the objective function optimized in segmentation by deformable models. The other ability of m-reps central to effective segmentation is their ability to support segmentation at multiple levels of scale, with successively finer precision. Objects modeled by single figures are segmented first by a similarity transform augmented by object elongation, then by adjustment of each medial atom, and finally by displacing a dense sampling of the m-rep implied boundary. While these models and approaches also exist in 2D, we focus on 3D objects.The segmentation of the kidney from CT and the hippocampus from MRI serve as the major examples in this paper. The accuracy of segmentation as compared to manual, slice-by-slice segmentation is reported.     

医学图像三维分割技术

针对人体组织器官的三维图像分割是医学图像分析和医疗诊断的重要前提,是医学图像三维可视化的重要研究内容。随着医学成像技术和三维可视化技术的飞速发展,计算机辅助诊断成为现实。计算机技术的发展使得医生和研究者可以通过虚拟交互更好地理解人体的解剖结构,对病人作出正确的诊断。在对人体组织器官和感兴趣区域的分割中,三维分割发挥着十分重要的作用。为此,针对目前不同的三维分割算法进行了总体介绍,并将这些算法分为基于结构的分割技术、基于统计学的分割技术和混合技术三大类。     

改进的双水平集医学图像分割方法

由于基于简化M_S模型的多相水平集图像分割模型仅仅利用了图像的区域信息,对图像的另一个重要信息(边缘信息)没有有效的利用,同时在分割的过程中需要对水平集函数不断进行重新初始化.为了解决上述模型的不足,本文提出改进的双水平集医学图像分割方法.该方法主要是在基于简化M_S模型的多相水平集图像分割模型的基础上将图像的边界信息项和为避免重新初始化水平集函数的惩罚项加入模型中.实验结果表明,添加了边界信息后的模型能够在边界位置定位更容易,同时改进后的双水平集模型在实现多目标分割时,无需重新初始化水平集函数,减少了计算量,简化了算法实现的复杂度.