基于局部复杂度信息测度的冠脉造影图像分割

针对冠状动脉造影图像中血管与背景的对比度低以及背景复杂等问题,提出了一种基于局部复杂度信息测度的冠脉血管分割方法.通过对造影图像过渡区特征的分析,构造了局部复杂度信息测度作为特征参数,提取造影图像的过渡区.根据提取的过渡区直方图确定一个最佳分割阈值,提取冠脉血管.实验结果表明,本文方法在小血管的提取、连通性和有效性方面...     

基于信息测度的图像过渡区提取与分割

图像过渡区提取的传统算法基于梯度算子,为克服梯度算法对噪声敏感的缺点,通过对图像过渡区特征的深入分析,提出基于信息测度的过渡区直接提取方法,依据过渡区的直方图确定一个最佳分割阈值。根据过渡区像素灰度变化频繁的特点,构造提取图像过渡区的特征参数———局部熵信息测度。实验结果表明,算法抗噪性能好,稳健性强,摆脱了传统算法对剪切点Llow和Lhigh的依赖,优于传统的过渡区间接提取算法和基于局部复杂度的过渡区直接提取方法。     

基于融合的冠状动脉血管分割方法

针对现有冠脉血管分割方法对于小血管和低对比度血管分割效果差的问题,提出了一种基于融合的冠状动脉血管分割方法。首先分别采用形态学的头帽法和高斯滤波法对同一幅血管图像进行增强,得到两幅增强图像;然后采用基于局部熵的过渡区提取的分割方法提取血管,得到两幅含有冠脉血管的图像;最后将两幅图像通过区域连通性的分析进行融合,分割出最终的血管。实验结果表明,新算法在小血管的提取、连通性和有效性方面取得了更好的效果。另外,该方法对辅助医疗诊断具有一定价值。     

基于三维最小类内散度SVM的肺CT中的结节识别

提出一种基于三维类内散度的多分类支持向量机的肺部结节识别算法。首先设计可直接处理基于三维矩阵模式的输入样本的多分类SVM,并结合最小类内散度SVM,进一步提出基于三维最小类内散度的多分类SVM。该方法通过直接分析肺部候选结节的三维特征并继承最小类内散度SVM的优点,有效提高分类器的识别精度,降低假阳性。利用其它4种计算机辅助肺部结节检测算法及两位放疗师作为比较,对于来自吉林省肿瘤医院的200组临床病例进行实验,结果证明三维最小类内散度多分类SVM在计算机辅助肺部结节识别中的优越性。     

三维隐SVM算法设计及在胸CT图像病灶检测中的应用

为改善病灶形状不规则、纹理结构简单等因素对计算机辅助肺CT中病灶检测精度的影响,提出将疑似病灶与整体肺区的相对位置关系作为传统形状、纹理特征之外的一种新的隐变量,参与训练过程.为符合病灶的三维特征,引入基于三维矩阵模式的SVM,进一步设计含隐变量三维矩阵模式SVM.将吉林省肿瘤医院的150例病例建立数据库,用其余三种SVM方案与本文方案进行比较,文中算法可达到97.05%的真阳性和9.21%的假阳性,证明其优越性及辅助放疗师的有效性.