排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
糖尿病视网膜病变是成年人致盲首因,视网膜血管分割是诊断糖尿病视网膜病变的基础.为提高视网膜血管分割准确性,提出一种基于多模型融合和区域迭代生长的视网膜血管自动分割算法.首先,预处理后分别构建数学形态学、匹配滤波器、尺度空间分析、多尺度线检测和神经网络模型初步分割视网膜血管,为减少噪声取五个分割结果的均值作为初步输出.其次,设计掩膜分离渗出物和视盘,将数学形态学模型分割结果替换掩膜白色区域,并融合初步输出生成组合结果.最后,考虑视网膜血管先验知识,对组合结果阈值分割和区域迭代生长后获取最终结果.实验结果表明,该算法分割DRIVE和STARE眼底图像库视网膜血管的检测精度、敏感度和特异性分别为0.9457、0.7843、0.9815以及0.9472、0.7826、0.9803,优于多数经典算法. 相似文献
2.
胶质母细胞瘤(glioblastoma multiforme, GBM)是恶性度最高的脑胶质瘤,其病变组织的定位和量化计算对肿瘤的诊断及制定治疗计划至关重要.为提高GBM自动分割的准确性,提出一种多模态MR图像和多特征融合的GBM自动分割算法.首先在图像配准和偏置场校正后,融合GBM多模态MR图像提取各体素的多个底层特征,构建随机森林(random forest, RF)模型,依据特征信息粗分割;其次将多种子点三维区域生长分割GBM多模态MR图像的结果替换相应置信度低的粗分割结果,生成训练数据重新训练RF模型,精分割GBM多模态MR图像;最后考虑GBM解剖结构先验知识、阈值分割和中值滤波精分割结果后得到最终结果.以平均Dice相似性系数、Hausdorff距离和敏感度为评价指标,该算法分割GBM-nih-zcmu数据库中整个肿瘤的平均Dice相似性系数、Hausdorff距离和敏感度分别为0.879, 6.232和0.863,能有效地提高GBM多模态MR图像自动分割的精度,满足临床应用对准确率的要求. 相似文献
3.
基于智能多代理的PACS系统的研究与实现 总被引:1,自引:0,他引:1
随着PACS的大型化以及多PACS之间的互联和集成,仅仅基于医学工业标准的PACS已经显露出许多不足之处,使得系统的设计、开发和维护越来越难.该文提出了一种基于多智能代理技术构建的新的体系结构,介绍了该体系结构的关键技术,以及基于多智能代理技术的工作流管理机制的模型,并实现了各个工作站协同工作以及智能多代理等模块. 相似文献
4.
5.
为提高胶质母细胞瘤(GBM)多模态磁共振(MR)图像中各肿瘤子区域分割的准确性,提出一种多分类卷积神经网络(CNN)的GBM多模态MR图像自动分割算法.首先在98%缩尾处理和配准GBM多模态MR图像后,利用N4ITK法校正偏移场;其次构建一个主要由4个卷积层、2个池化层和2个全连接层组成的多分类CNN模型,训练后预分割GBM多模态MR图像,将体素分为5类不同的标签;最后移除所有小于200体素的假阳性区域,中值滤波后获得最终分割结果.以Dice相似性系数DSC、阳性预测值PPV和平均Hausdorff距离AHD为评价指标,利用所提出的算法对F-C-GBM数据集中整个肿瘤组织进行分割,获得的DSC、PPV、AHD分别为0.889±0.087、0.859±0.127和1.923.结果表明,该算法能有效提高GBM多模态MR图像分割的性能,可望有临床应用前景. 相似文献
6.
1