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.     

血管内超声图像初始轮廓提取算法的研究

Snake模型在医学图像分割中的应用已经越来越广泛,但在应用该模型时,如何选取合适的初始轮廓是一个难题;在对血管内超声医学图像的研究基础上,提出了一种基于灰度信息与ROI区域的初始轮廓获取方法,根据IVUS图像的灰度特征对其进行自适应阈值分割以及面积滤波,然后获得分割轮廓点集进而得到snake初始轮廓点集;在matlab7.0环境分别对不同类别的2种IVUS图像的中外膜边缘提取进行仿真实验,实验证明该方法获得的初始snake轮廓较为逼近目标真实轮廓且适合于snake模型进行迭代收敛,由于其初始轮廓已较为接近目标真实轮廓,因此节省了snake模型的迭代次数,算法运行效率也优于手工提取初始轮廓的snake方法,可以较为方便的应用于实际领域。     

基于多级混合模型的图像分割方法

本文研究了典型的基于区域的图像分割方法主动形状模型(Active Shape Model,ASM)和基于边缘的图像分割snake算法,分析了算法适用条件和各自的优缺点.结合snake模型与主动形状模型,提出了一种基于多级混合模型的图像分割方法:首先使用ASM,获得的时目标图像位置和形态的最佳估计,并通过snake算法对匹配的结果进行二次调整,获取可以精确描述图像边缘信息的模型.试验表明了该方法的有效性.     

基于医学体数据场的大脑皮层重构

研究如何基于一组连续脑部医学切片重构大脑皮层,介绍体数据场和大脑皮层三维重构系统流程。针对插值后的脑部图像提出一种有效的脑灰质分割算法,通过图像预处理和阈值分割方法获取脑灰质图像。针对分割后的体数据,采用改进的Marching Cubes方法重构大脑皮层三维模型,避免提取脑灰质轮廓线。实验结果验证了该算法的可行性和实用性。     

基于改进自仿射映射系统与参数活动轮廓的医学图像分割算法

Snake模型分割图像时要求初始化轮廓线位于目标图像特征附近,且处理弱边界与深度凹陷区域的能力较弱,对此提出一种基于改进自仿射映射系统与参数活动轮廓的医学图像分割算法。首先,使用高斯滤波器对给定图像进行平滑处理并计算其小波系数;然后,在每个小波尺度的子矩阵中定义一些自仿射映射;之后,将不同小波尺度对应的子力叠加以获得自仿射力;最终,基于动态力公式引导snake模型变形。基于医学图像的仿真实验结果表明,本算法对于医学图像的分割性能较好,有效地提高了snake模型对弱边界与深度凹陷区域的处理能力。     

序列图像种子蔓延肤色识别算法

传统的基于建模的肤色识别算法只利用了先验知识(训练好的肤色模型),判定信息来源不充足,且用于区分肤色和非肤色的阈值难以选择,导致分割效果不理想.基于此,提出基于局部信息一致性的序列图像种子蔓延分割算法.该算法以递变阈值产生的序列图像为基础,首先选择初始种子点,再根据连通性和局部信息一致性进行种子蔓延,从而求得肤色识别结果.实验结果表明,将现有的基于建模型的肤色分割算法结合文中算法之后,肤色识别效果得到显著提升.     

医学三维影像体数据闭值分割方法

建立医学三维体数据阈值分割描述模型,把OSTU图像分割算法和梯度算子图像分割算法的思想应用于三维体数据,提出并实现了两种医学三维体数据阈值分割算法,并通过实验证明这两种算法获得了较好的分割效果。为进一步对体数据阈值分割算法的性能进行量化评价,定义了两个量化指标:分割准确度和分割平衡度,并通过实验给出了上述两种体数据阈值分割算法的性能评价指标。在给定体数据和标准分割的前提下,OSTU算法比梯度算子算法能取得更好的阈值分割效果。     

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.     

工业CT图像自适应三维裂纹面分割*

在图像分割方法中,CV模型可以得到较好的分割结果,但是模型的收敛速度慢.在三维CV模型检测工件裂纹面的过程中,由于三维CT图像数据量比较庞大且三维CV模型本身分割速度慢,使得检测时间比较长.对于这一问题,研究了一种自适应预处理算法.该算法先对体数据进行三个方向投影,再对投影图利用迭代求最佳阈值的阈值分割方法和自适应矩形框来定位缺陷的大致区域.该方法能够自动适应裂纹面形状变化,同时大幅度减少了需要三维CV模型分割的数据量,可以非常明显地提高分割的速度.实验结果表明利用该预处理算法,三维CV模型的分割裂纹面的速度提高了近8倍.     

基于图像分割的三维重构

三维重构方法是医学图像可视化系统、治疗计划系统的重要技术。基于图像分割的三维重构方法结合了图像分割、等值面抽取、网格简化三种技术,是不同于传统Marching Cubes算法的一种三维重构方法。它首先将医学图像分割为二值图,然后利用Marching Cubes方法进行等值面抽取,最后对得到的网格模型进行简化。实验结果表明,基于图像分割的三维重构方法加快了Marching Cubes的运算速度,改善了重构的效果,有利于实现对基于三维重构的大型几何模型的实时绘制和交互。     

Connectivity-based local adaptive thresholding for carotid artery segmentation using MRA images

The computer algorithms for the delineation of anatomical structures and other regions of interest on the medical imagery are important component in assisting and automating specific radiological tasks. In addition, the segmentation of region is an important first step for variety image related application and visualization tasks. In this paper, we propose a fast and automated connectivity-based local adaptive thresholding (CLAT) algorithm to segment the carotid artery in sequence medical imagery. This algorithm provides the new feature that is the circumscribed quadrangle on the segmented carotid artery for region-of-interest (ROI) determination. By using the preserved connectivity between consecutive slice images, the size of the ROI is adjusted like a moving window according to the segmentation result of previous slice image. The histogram is prepared for each ROI and then smoothed by local averaging for the threshold selection. The threshold value for carotid artery segmentation is locally selected on each slice image and is adaptively determined through the sequence image. In terms of automated features and computing time, this algorithm is more effective than region growing and deformable model approaches. This algorithm is also applicable to segment the cylinder shape structures and tree-like blood vessels such as renal artery and coronary artery in the medical imagery. Experiments have been conducted on synthesized images, phantom and clinical data sets with various Gaussian noise.     

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。     

基于模拟退火的简化Snake弱边界医学图像分割

弱边界医学图像的分割一直是图像分割技术中的一个难点，为了有效地对弱边界医学图像进行分割，提出了一种简化的Snake图像分割算法，该算法对传统Snake模型进行了改进，即运用简化Snake的思想，特别是在内能表达式中添加了系数可变的面积项，并且引入了模拟退火算法与已改进的简化Snake模型相结合的方法，使得图像的分割效果有了较好的改进。另外，还讨论了模拟退火算法中邻域的选取、随机变量的产生机制以及接受准则等对搜索到理想的最优解所起的作用。该算法运用到医学图像分析中的实验证明，该算法对弱边界信息图像的分割能取得较好的效果，而且运算的时间复杂度低。     

一种基于主动轮廓模型的医学图像序列分割算法

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.通过把live wire算法和图像分割中一般的区域增长方法结合,对传统live wire算法进行了改进,并用改进后的算法对医学图像序列中的单张或多张切片进行交互式地准确分割.然后计算机利用活动轮廓模型自动分割相邻的未分割切片.还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,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.最后介绍了一种基于live wire算法思想的简单的分割结果交互式修复方法.实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中分割出感兴趣的物体,在医学图像分析中具有实用价值.     

基于snake模型的IVUS图像序列三维分割方法

针对血管内超声（Intravascular Ultrasound,IVUS）图像序列中血管壁内外膜轮廓的提取问题,提出一种基于snake模型的三维并行分割方法。首先,对原始图像进行滤除噪声和抑制环晕伪像等预处理。然后,获取IVUS图像序列的四个纵向视图,并从中提取出内腔边界和中-外膜边界。通过将这些边界曲线映射到各帧IVUS图像中,得到横向视图中的初始轮廓。最后,将该初始轮廓作为snake模型的初始形状,通过使snake能量函数最小,模型不断变形,最终得到各帧IVUS图像中的内腔和中-外膜边界。该方法可实现对IVUS图像序列的并行分割,与二维串行分割方法相比,可大大提高处理效率。采用大量临床图像数据的实验结果证明该方法可自动、快速、可靠的完成IVUS图像序列的分割。     

Snake与多尺度分析的医学图像分割研究

为提高分割精度,提出Snake与多尺度分析相结合的医学图像分割方法。根据先验知识给定图像一个初始的粗略轮廓,然后对图像进行多尺度增强,在不同的尺度下应用Snake算法进行轮廓提取,相当于在曲线的收敛过程中进行了修正,从而使得轮廓在不同的尺度中逐渐优化,分离出精确的轮廓。实验结果表明,该方法是有效的,对医学图像分割的精度优于传统的Snake模型。     

基于水平集方法的软组织图像序列分割

医学图像分割是医学图像处理中的关键问题之一.图像序列的分割操作是医学图像三维重建的必要准备,而软组织图像分割则是医学图像分割中的一大难点.基于曲线演化理论的,借助偏微分方程等数学工具的水平集方法已经被广泛应用于医学图像分割领域.介绍了水平集方法的数学模型,并设计了一种基于窄带水平集方法的,专门针对软组织图像分割的算法.用边界追踪等方法提取第一层图片中的软组织相关轮廓;将它们作为初始水平集曲线,再利用窄带水平集方法进行演化;经过两个阶段的迭代处理,最终自动分割出整个软组织图像序列.实验表明该算法具有较高效率、分割结果精确,所产生的分割结果可以作为三维重建的合适的数据集.     

图像分割在医学图像处理中的应用研究

图像分割是图像处理中的重要工作,医学图像的多样性和复杂性使其在图像分割中具有较大的难度。阈值法由于高效、简单而成为图像分割的重要方法,但对于复杂的医学图像,其效果并不很理想。Powell法是最好的直接搜索法,利用改进的Powell法可以更好地搜索目标。为此,提出了一种将Otsu法和Powell法相结合的图像分割方法,仿真实验表明,该方法可以快速有效地分割图像,鲁棒性强。     

Interactive 3D medical image segmentation with energy-minimizing implicit functions

We present an interactive segmentation method for 3D medical images that reconstructs the surface of an object using energy-minimizing, smooth, implicit functions. This reconstruction problem is called variational interpolation. For an intuitive segmentation of medical images, variational interpolation can be based on a set of user-drawn, planar contours that can be arbitrarily oriented in 3D space. This also allows an easy integration of the algorithm into the common manual segmentation workflow, where objects are segmented by drawing contours around them on each slice of a 3D image.Because variational interpolation is computationally expensive, we show how to speed up the algorithm to achieve almost real-time calculation times while preserving the overall segmentation quality. Moreover, we show how to improve the robustness of the algorithm by transforming it from an interpolation to an approximation problem and we discuss a local interpolation scheme.A first evaluation of our algorithm by two experienced radiology technicians on 15 liver metastases and 1 liver has shown that the segmentation times can be reduced by a factor of about 2 compared to a slice-wise manual segmentation and only about one fourth of the contours are necessary compared to the number of contours necessary for a manual segmentation.