显微细胞图像的自动分割

由于细胞组织本身的复杂特性以及显微镜的影响,细胞图像的分割成为图像分割中的一大难题,考虑到边缘检测可以准确的为分割提供边缘点,提出了基于区域一致性测度的边缘检测算法,针对细胞图像的特点,实现其初始轮廓的自动获取,运用活动轮廓模型对初始轮廓进行优化,从而达到在大样本条件下直接对彩色细胞图像自动分割的目的。     

基于改进Snake模型的肺部图像分割

肺实质分割是基于CT图像的计算机辅助检测技术必不可少的步骤。针对现有活动轮廓模型对初始位置敏感、深度凹陷区域分割不准确和抗噪性差等缺点,提出了一种基于改进Live-Wire算法确定Snake模型初始轮廓的交互式分割方法。该方法结合并改进Live-wire算法和一般的阈值法对图像进行预分割,将得到的边缘作为Snake模型的初始轮廓,通过Snakes模型演化得到肺实质轮廓结果。实验结果表明该方法能快速地对肺部图像进行分割,与传统方法相比具有人工交互次数减少、抗噪音性好、更具鲁棒性和效率性的优点。     

基于改进的GAC模型的医学图像序列分割算法

为了快速有效地提取出图像序列的边缘,提出了一种基于改进的测地线活动轮廓（GAC）模型的图像分割算法。在该方法中,只需在第一幅图像中感兴趣区域的内部给出大致的初始轮廓。在后续图像中,首先采用运动估计与区域统计特征结合的方法得到轮廓模型的初始轮廓,然后利用结合先验信息的测地线活动轮廓模型进行分割。此外,为了有效地减少算法运算时间,采用手工办法在第一张图像上选定模型演化的区域,该区域在后续图像上将依据分割结果自动调整大小和位置。实验结果表明：方法能够快速有效地提取目标物体的边缘。     

结合显著性和边缘信息的水平集图像分割方法

针对 LBF 模型对初始轮廓的依赖性和对边缘的弱控制能力,研究了一种结合显著性和边缘信息 的水平集图像分割方法。首先,结合小波分析理论,基于视觉注意机制构造图像显著图;然后,利用小波分解 所描述的图像边缘信息,构造边缘检测函数,同自适应初始轮廓一起引入到 LBF 水平集模型中,并用有限差 分法进行数值求解。实验结果表明,提出的图像分割方法能有效降低初始轮廓位置对活动轮廓模型的影响,对 合成图像、自然图像均有较好的分割结果,相较于其他传统方法具有更高的演化效率和分割质量。     

基于区域边界最优映射的图像分割算法

为了增强图像分割算法的鲁棒性,避免出现错误的或间断的边缘轮廓曲线,获得准确的区域分割线,提出区域边界最优映射分割（ORBM）算法。该算法采用Gibbs分布定义区域分割模型,将多个颜色空间的不同边缘映射求平均值,用得到的边界最优映射确定邻域（相邻像素）的相互作用势函数,利用α-β交换算法求解标签参数空间上目标函数的局部极值并采取简单区域合并策略,获得准确、可靠的区域分割结果。将ORBM算法与几种经典的图像分割算法进行对比,实验结果显示该算法能够生成连续封闭的边界线,实现了图像多区域的正确分割,并且执行速度快、鲁棒性强。     

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用

针对主动轮廓模型(Snake)处理图像时的初始轮廓选取问题,采用改进的区域增长法对图像进行预分割,并将得到的边缘作为主动轮廓模型的初始边缘轮廓;然后分别用sobel算子与梯度矢量流(GVF)代替图像梯度进行主动轮廓模型外部能量的计算,在速度满足要求的情况下,提高了目标区域的提取精度.实验结果表明,基于GVF的主动轮廓模型在脑肿瘤的轮廓提取中能取得更好的效果.     

Snake模型初始轮廓选取的研究

针对Snake模型处理复杂背景图像时的初始轮廓自动选取问题,该文采用分水岭算法先对图像进行分割,并将得到的边界作为Snake模型的初始边缘轮廓。由于分水岭算法具有将目标物体从复杂背景中分割开来的优点,使得在应用Snake模型对复杂图像进行分割时减少了人工的干预。经过实验对比,采用分水岭算法对玉米秸秆图像进行边缘轮廓的提取能达到较好的效果,为自动进行Snake模型的计算提供了一种较好的初始轮廓处理方法。     

基于形状共享初始化主动轮廓模型的图像分割方法

就初始轮廓提出了一种新的基于形状共享思想的初始轮廓学习方法.利用不同种类的物体全局形状或局部形状可能相似的现象,首先提取测试图像的局部形状;再找出样本库中与其局部形状相匹配的局部形状集;根据测试图片与样本图片中局部形状的相对位置及大小,进行全局形状映射;最后依照全局形状的覆盖率分组,融合成一系列初始形状.将这一系列的初始轮廓作为主动轮廓模型的初始迭代函数.另外,该主动轮廓模型结合了测试图像的边缘信息与区域信息,利用彩色梯度表示边缘的变化.从实验结果可以看出,将学习到的初始轮廓加入混杂主动轮廓中能包含更丰富的形状信息,可获得更准确的分割结果,收敛速度更快.     

基于改进窄带水平集的三维肝脏肿瘤分割

三维肝脏肿瘤识别是当前研究的热点问题,如何准确快速地从腹部CT序列中分割出肝脏肿瘤是肝部病变诊断的基础。针对水平集方法在进行分割时收敛速度较慢,设置窄带宽度固定不灵活的缺点,先利用分水岭算法,对肝脏图像进行“过分割”,搜索初始轮廓所在的分水岭块作为窄带区域进行标记,在窄带区域内用水平集算法使初始轮廓线收敛至准确轮廓。再以其边缘作为相邻CT序列的肿瘤初始轮廓,找出初始轮廓线所在的分水岭块,构成新的窄带,用水平集算法对轮廓线进行迭代分割出肿瘤。重复该过程,直至完成整个肝脏序列图像的肿瘤图像分割,进行三维重建。     

基于Chan-Vese模型的医学图像分割算法

在二维Otsu方法和Chan-Vese模型的基础上,提出了一种新的医学图像分割算法。首先用二维Otsu方法将图像分成目标、背景、边缘和噪声等4部分,然后通过一个能量函数来判断边缘和噪声区域中各像素点属于背景还是目标,并利用同质区域的全局信息对初始分割结果进行微调,得到更精确的分割效果。该算法优化了初始轮廓位置,有效地解决了初始位置影响曲线演化速度问题,并通过逐点代入法来极小化能量函数,减少了计算量,提高了图像分割的速度。实验结果表明,提出的算法具有抗噪性,分割效果良好,有很好的实际意义。     

Segmentation of regions of interest and post-segmentation edge location improvement in computer-aided bone age assessment

Segmentation of anatomical structures in radiological images is one of the important steps in the computerized approach to the bone age assessment. In this paper a method dealing with correct location of the borders in the epi-metaphyseal regions of interest is described. The well segmented bone structures are obtained utilizing the Gibbs random fields as the first segmentation step; however this method does not prove to be adequate in the correct outline of other tissues in the epi-metaphyseal area. In order to correct delineation of cartilage in this region, the second segmentation step utilizing the active contours serving as a post-segmentation edge location technique is applied. Controlling of tension and bending of the active contour requires a set of weights in the energy functional to be set. To adjust the weights and to initially test the methodology a model of region of interest containing three different anatomical structures corrupted with Gaussian noise has been designed. Combined methodology of Gibbs random fields and active contours with the final set of weights was applied to 200 regions of interest randomly selected from 1100 left hand radiographs. A meaningful improvement in terms of ultimate contour location and smoothing has been observed in regions with cartilage or bone convexity developed near the bottom region of the epiphysis.

---

多尺度MRF边缘检测

本文提出一种改进的多尺度MRF边缘检测方法．基于图像的八邻域结构在MRF模型 中引入了Gibbs分布的线过程,有效地改善了MRF边缘检测算子的方向灵敏性．给出了对应于 八邻域线过程结构的能量函数．基于该算法对检测边缘的精确定位性能,提出了一种容易的 多尺度检测边缘合成规则．     

Reducing the Effects of Noise in Image Reconstruction

Fourier spectral methods have proven to be powerful tools that are frequently employed in image reconstruction. However, since images can be typically viewed as piecewise smooth functions, the Gibbs phenomenon often hinders accurate reconstruction. Recently, numerical edge detection and reconstruction methods have been developed that effectively reduce the Gibbs oscillations while maintaining high resolution accuracy at the edges. While the Gibbs phenomenon is a standard obstacle for the recovery of all piecewise smooth functions, in many image reconstruction problems there is the additional impediment of random noise existing within the spectral data. This paper addresses the issue of noise in image reconstruction and its effects on the ability to locate the edges and recover the image. The resulting numerical method not only recovers piecewise smooth functions with very high accuracy, but it is also robust in the presence of noise.     

应用图像块和全卷积神经网络的肩关节MRI自动分割

目的 MRI正逐步代替CT进行骨头与关节的检查,肩关节MRI中骨结构的精确自动分割对于骨损伤和疾病的度量与诊断至关重要,现有骨头分割算法无法做到不用任何先验知识进行自动分割,且通用性和精准度相对较低,为此提出一种基于图像块和全卷积神经网络（PCNN和FCN）相结合的自动分割算法。方法 首先建立4个分割模型,包括3个基于U-Net的骨头分割模型（肱骨分割模型、关节骨分割模型、肱骨头和关节骨作为整体的分割模型）和一个基于块的AlexNet分割模型;然后使用4个分割模型来获取候选的骨头区域,并通过投票的方式准确检测到肱骨和关节骨的位置区域;最后在检测到的骨头区域内进一步使用AlexNet分割模型,从而分割出精确度在像素级别的骨头边缘。结果 实验数据来自美国哈佛医学院/麻省总医院骨科的8组病人,每组扫描序列包括100片左右图像,都已经分割标注。5组病人用于训练和进行五倍的交叉验证,3组病人用于测试实际的分割效果,其中Dice Coefficient、Positive Predicted Value（PPV）和Sensitivity平均准确率分别达到0.92±0.02、0.96±0.03和0.94±0.02。结论 本文方法针对小样本的病人数据集,仅通过2维医学图像上的深度学习,可以得到非常精确的肩关节分割结果。所提算法已经集成到我们开发的医学图像度量分析平台"3DQI",通过该平台可以展示肩关节骨头3D分割效果,给骨科医生提供临床的诊断指导作用。同时,所提算法框架具有一定的通用性,适应于小样本数据下CT和MRI中特定器官和组织的精确分割。     

骨龄自动评测系统中骨骼边缘提取方法研究

骨龄是衡量少年儿童骨骼发育程度的数据指标,对骨龄自动评测系统中的预处理和骨骼边缘提取方法进行了研究.实验中,采用Laplacian增强和线性增强相结合的增强方法,增强了骨骼和软组织间的对比度,增强后的骨骼信息不失真;通过对几个边缘算子提取的边缘图像进行对比,采用Canny算子和Sobel算子边缘图像的"与"操作提取了较为完整的骨骼边缘.为将来骨骼特征的提取和骨骼的分类奠定了基础.     

货车车轮踏面区域分割方法研究

为了实现踏面损伤的定位,提出了一种基于自适应阈值平稳小波的货车车轮踏面区域分割算法。首先采用基于自适应阈值平稳小波边缘检测算法检测踏面候选边缘线。最后利用踏面边缘线搜索算法获取踏面区域。实验结果表明：基于自适应阈值平稳小波边缘检测算法能检测到完整踏面候选边缘线,踏面边缘线搜索算法实现了踏面区域的分割。因此,该方法是一种有效的踏面区域分割方法。     

胸部解剖结构回归模型的虚拟双能量X线减影方法

目的 探索从常规X线胸片图像中分割出骨质结构,获取仅含软组织图像的虚拟双能量X线减影的方法,旨在不增加放射剂量的条件下获取高质量的临床肺结节影像诊断效果。方法 首先将肺区自动划分出8个特定解剖结构的子区域：左右侧肺叶的上、中、下部和左右肺门;然后针对每个特定解剖区域,利用从双能量设备获取的标准胸片和其对应的骨质图像对多分辨率的大规模训练人工神经网络（MTANNs）进行训练。训练好后,可以利用该ANN处理获得该解剖结构子区域的虚拟骨质图像。融合从8个多分辨率ANNs输出的骨质图像,融合得到一幅完整的虚拟骨质图像。接下来采用总变分最小化平滑的方法抑制虚拟骨质图像中的噪声,且增强骨骼边缘。最后将虚拟骨质图像从原图中相减获得虚拟软组织图像。结果 用110幅含有肺结节的胸片图像对算法进行了测试,新方法用于常规X线胸片所得虚拟软组织图像可有效地去除原片中骨质结构影像,较清晰地保留肺结节和血管影像,有利于临床肺结节的诊断。采用新方法可使肺结节的正确识别率提高到88%（传统方法识别率为70%）。结论 基于解剖结构的人工神经网络回归模型能有效地分离出骨骼,可以广泛地应用于临床诊断,帮助放射科医生检测出肺结节。     

基于小波统计特性的CT/MR医学影像优化融合方法

多模医学影像融合技术服务于临床诊断具有十分重要的意义。计算机断层摄像CT(ComputerTomography)仅能清晰显示人体骨骼组织,而磁共振成像MR(MagneticResonance)具有软组织对比分辨率高的特点。论文提出了一种基于小波统计特性的CT、MR医学颅脑部影像优化融合方法,采用信息熵和边缘保持度两项指标作为优化融合依据,获得的融合影像有效地综合CT与MR影像信息,可同时清晰地显示脑部骨组织和软组织信息。     

运动模糊图像复原结果中伪像的消除

针对Lucy-Ricardson(LR)算法得到的复原图像存在不同程度的Gibbs效应、边缘振铃等多种类型的伪像,提出一种新的算法,在LR算法的复原图像迭代公式中引入一函数作为其系数,使得图像平滑区域与原来的LR算法的恢复方式相同,同时在图像的边缘区域可以有效地保护细节,起到低通滤波器的作用。实验结果表明,改进算法能很好地平滑伪像和重建图像细节,复原图像的峰值信噪比(PSNR)与其他算法相比有很好的提升。