肌肉组织背景下的微血管分割方法研究

微血管的分割提取是微循环网络特征参数分析与功能障碍评估的关键性图像处理技术基础之一。目前尚缺乏有效的专门针对肌肉组织来源图像的微血管分割方法,使用现有的血管分割算法难以取得理想的分割效果。本研究依据该类图像的特点,针对性地提出了一种基于多技术组合联用的分割方案—TOSC分割法。首先以阈值法进行初次分割,然后通过形态学开运算截断背景与微血管间连接区,再以种子填充法对微血管区域进行二次识别与分割,最后通过形态学闭运算填充分割区域中的孔洞和缺刻,实现了微血管的分割提取以及在此基础上的功能微血管面积密度测量。分割测试结果表明TOSC分割法能够准确地将微血管区域从复杂的肌纤维组织背景中提取出来,可满足基础研究与临床处理的要求。     

基于自适应标记分水岭算法的肝脏CT图像自动分割

目的为减少人工交互提出了基于自适应标记分水岭的CT系列图像肝脏区域自动分割算法。方法首先对图像进行形态学重构运算以平滑图像,然后计算多尺度形态学梯度,同时提出利用梯度图像非零的局部极小值点的均值进行自适应标记提取,以避免分水岭的过分割和欠分割,再结合肝脏为最大的实质性脏器和相邻图像的相似性实现CT系列图像的肝区自动分割。结果该算法能自动、快速地提取CT系列图像中的肝脏区域。结论分水岭算法能准确定位区域的边缘,通过选择合适的阈值对梯度图像进行标记以抑制分水岭的过分割,实现医学图像中感兴趣区域的自动分割。     

基于数学形态学的视网膜血管提取算法

目的 影像中血管的分割与特征提取,对疾病的早期诊断具有重要意义。针对很多视网膜血管提取算法分割精度不高的问题,提出了运用数学形态学中的高帽变换的方法对其进行检测。方法 首先,选取结构元素为“圆盘形”的形态学对图像进行高帽变换,经过高帽变换后的图像平滑了图像的背景,同时增强了血管在图像中的对比度。其次,对变换后的图像利用Otsu＇s自动分割法对图像进行阈值分割得到血管的二值图像。再次,根据血管在图像中的结构信息和几何信息,利用基于连通域度量的方法,设置连通域的“面积”和“长宽比”两个阈值,去除虚假目标。最后,为保持血管的连续性,对图像进行一次膨胀运算,可将断裂的血管连接起来,减小了实验的误差。结果 通过上述步骤实现了对血管的提取。结论 结果表明,本文算法能有效提取视网膜眼底图像的血管网络,有较强的分割精度。     

一种基于Matlab的CT脑组织图像提取算法

提出了一种基于Matlab的CT脑组织图像提取算法,该算法克服了传统方法 主观选择阈值等方面的不足,设定算法自动获取阈值,然后采用数学形态学及集合论方法 ,实现脑组织的分割与提取,既提高了工作效率,又提高了分割的准确度.     

基于模糊区域对比度增强的肺实质鲁棒分割

基于阈值操作的肺实质分割对CT图像的对比度敏感,常常造成肺部粘连区域的肺实质分割失败。提出一种融合模糊区域对比度增强与阈值和形态学细化分割的新的肺实质分割算法。首先,根据图像的灰度信息利用线性迭代聚类将图像预分割为多个超像素。然后,根据超像素的灰度统计信息自动定位模糊区域,并进行自适应对比度增强。最后,基于阈值和形态学操作进行细化分割,准确提取肺部粘连区域和肺实质。通过对kaggle肺部数据集30位患者的300张CT图像进行测试,结果表明本研究算法的平均分割准确率(Dice系数)为98.65%,过分割率为0.21%,欠分割率为1.33%,整体分割性能比传统阈值操作和形态学方法有明显提升。     

一种基于自适应最小模糊熵的CT图像分割方法

为了从CT图像中提取到多个组织的解剖特征,解决运算速度的提高与运算结果不稳定的矛盾,我们提出了一种基于自适应最小模糊熵的图像分割算法.为了找到分割灰度图像的最佳阈值.首先利用迭代公式以及图像的直方图来计算出每个模糊子集的隶属函数中指数参数的值以及阈值的搜索范围,然后在已确定的搜索范围内用穷举法搜索出能使模糊熵最小的最佳阈值.实验表明该方法能较好的完成CT图像的分割.此算法运算速度较快;与用遗传算法、模拟退火算法相比较,运算结果稳定,重复性更好,得到的图像细节成分要更多些.     

一种基于概率配分和最大模糊熵的CT图像分割方法

为了从CT图像中提取到多个组织的解剖特征,克服运算速度快与运算结果不稳定的矛盾,提出了一种基于概率分布和模糊熵的CT图像分割方法。为了找到分割灰度图象的最佳阈值,根据模糊聚类和概率配分之间的关系,以及模糊熵有最大值的必要条件,从而得到各类的概率配分,因此在搜索阈值组合时,先搜索满足各类概率配分的阈值,然后从这些阈值中搜索使模糊熵最大的阈值。实验结果表明该方法能很好地完成CT图象的分割。此算法运算速度较快;与用遗传算法、模拟退火算法相比较,运算结果稳定,分割更准确。     

颈动脉MR图像分割和三维重建在斑块定位中的应用

背景：医学图像的三维重建在医疗诊断、实验分析中起着越来越重要的作用,它是一项复杂的任务,其中目标图像的分割是首要且重要的一步。 目的：探索对颈动脉MR图像的图像分割及三维重建方法,并探讨三维模型在颈动脉斑块定位中的应用。 方法：选择3D TOF序列图像对其进行基于最大熵原理的阈值分割,并与普通方法的结果做比较;进一步用数学形态学分割方法提取出颈动脉;进行三维重建,利用三维模型进行斑块的初步定位。 结果与结论：基于最大熵原理的阈值分割适于对颈动脉3D TOF序列图像的分割,用数学形态学分割方法进行后续分割可得到目标图像。三维重建后的模型对于斑块定位有辅助作用。     

基于数学形态学人脑MR图像感兴趣区域的提取

背景:在人脑MRI图像中感兴趣区域提取中,应用数学形态学方法取得了较好的效果,但是在抗噪性能和结构元素选取时存在一些不足之处,使得提取效果有缺陷。目的:在数学形态学的基础上,采用一系列改进的数学形态学方法,以期清晰完整地提取人脑MR图像中的感兴趣区域如脑脊液部位,为医学诊断提供准确信息。方法:首先采用复合形态学滤波去除脉冲和高斯噪声,用高低帽变换进行图像增强,然后用形态分水岭阈值分割提取脑部各成分,对分割出的脑脊液图像进行形态开闭滤波、边缘跟踪和灰度填充后,运用抗噪型边缘检测算子检测出清晰完整的脑脊液区域边缘,最后在原图像中用彩色标定,突出感兴趣区域。结果与结论:综合应用多种数学形态学算法,清晰完整地提取了人脑MRI图像中的感兴趣区域——脑脊液部位。经验证,该方法具有简单、快速、精度高、适用性强等特点。     

人体CT切片图像中骨骼的分割

在实现人体骨骼的三维可视化中 ,首要的一步是将骨骼从二维图像中分割出来。本研究选用美国国家医学图书馆提供的可视人体项目中 1733张女性 CT切片数据 ,提出了一套图像去噪、分割和平滑的处理方法。在去噪中使用了 Chebyshev一致逼近滤波技术 ;在分割中提出了一种简单实用的自适应阈值法 ,将图像之间的相关性与区域生长法结合 ;后处理中使用形态学方法、多分辨率滤波等算法。完成了对所有 1733张图片的分割 ,经过与原图的对照 ,证明了所提出方法在分割中的准确性和较广泛的适用性     

A novel stepwise thresholding for fuzzy image segmentation

INTRODUCTION　　 In some imaging system,such as laser scanning confocal microscopy( LSCM)imaging,computerised tomography ( CT ) imaging,magnetic resonance ( RM )imaging,etc.,the image acquisition produces sometimes fuzzy images.The fuzzyimage can be described as the follows.( 1 ) Objects may appearto fuse together.( 2 )Objects in the same class can have different intensities and individual objects canthemselves have a wide range of intensity values.( 3) Intensity will be lower deepwith…     

Fast segmentation of bone in CT images using 3D adaptive thresholding

Fast bone segmentation is often important in computer-aided medical systems. Thresholding-based techniques have been widely used to identify the object of interest (bone) against dark backgrounds. However, the darker areas that are often present in bone tissue may adversely affect the results obtained using existing thresholding-based segmentation methods. We propose an automatic, fast, robust and accurate method for the segmentation of bone using 3D adaptive thresholding. An initial segmentation is first performed to partition the image into bone and non-bone classes, followed by an iterative process of 3D correlation to update voxel classification. This iterative process significantly improves the thresholding performance. A post-processing step of 3D region growing is used to extract the required bone region. The proposed algorithm can achieve sub-voxel accuracy very rapidly. In our experiments, the segmentation of a CT image set required on average less than 10 s per slice. This execution time can be further reduced by optimizing the iterative convergence process.     

基于小波变换的数字乳腺图象增强和微细钙化点提取

本文通过对一维和二维乳腺图象信号的实验分析,提出了利用小波变换实现微细钙化点图像增强与提取的方法,即通过选择适当迟度的细节子图组织进行合成,得到对比度增强的钙化点图象,再经过阈值处理,提取出钙化点,根据本文方法对实际的乳腺X光片进行了实验,结果表明本文方法具有钙化点图象增强效果明显和钙化点定位准确等技术。     

基于统计阈值的脑肿瘤MRI图像的分割方法

我们提出了一种基于统计阈值的脑肿瘤MRI图像的分割方法.首先,通过预处理操作去除脉冲噪声和头骨影像,然后利用统计阈值分割方法对肿瘤进行了分割.为了克服经典阈值分割方法存在不完全分割的问题,利用分割后两个类的方差和概率定义了一个新的阈值选择准则,并通过最小化准则确定最佳分割阈值.实验结果证明,本方法分割效果好,解决了采用经典阈值分割方法对脑肿瘤的不完全分割问题.     

Masseter segmentation using an improved watershed algorithm with unsupervised classification

The watershed algorithm always produces a complete division of the image. However, it is susceptible to over-segmentation and sensitivity to false edges. In medical images this leads to unfavorable representations of the anatomy. We address these drawbacks by introducing automated thresholding and post-segmentation merging. The automated thresholding step is based on the histogram of the gradient magnitude map while post-segmentation merging is based on a criterion which measures the similarity in intensity values between two neighboring partitions. Our improved watershed algorithm is able to merge more than 90% of the initial partitions, which indicates that a large amount of over-segmentation has been reduced. To further improve the segmentation results, we make use of K-means clustering to provide an initial coarse segmentation of the highly textured image before the improved watershed algorithm is applied to it. When applied to the segmentation of the masseter from 60 magnetic resonance images of 10 subjects, the proposed algorithm achieved an overlap index (κ) of 90.6%, and was able to merge 98% of the initial partitions on average. The segmentation results are comparable to those obtained using the gradient vector flow snake.     

基于卷积神经网络和图像显著性的心脏CT图像分割

目的心脏医学影像中,感兴趣部分的提取与分割是诊断心脏病变部位的关键。由于心脏舒张、收缩以及血液的流动,心脏CT图像易出现弱边界、伪影,传统分割算法易产生过度分割的情况。为此,提出一种基于卷积神经网络和图像显著性的心脏CT图像分割方法。方法采用卷积神经网络对目标区域进行定位,滤除肋骨、肌肉等造影对比不明显部分,截取出感兴趣区域,结合感兴趣区域的对比度计算并提高感兴趣区域的心脏组织的显著值。通过获得的显著值图像截取心脏图像,并与区域生长算法的分割结果进行对比。最后使用泰州人民医院11例患者的影像数据对算法模型进行训练和测试,随机选择9例用于训练,剩余2例用于测试。结果所提算法模型在心底、心中、心尖3个心脏分段的分割正确率分别达到了92.79%、92.79%、94.11%,均优于基于区域生长的分割方法。结论基于卷积神经网络和图像显著性的分割方法能够准确获取心脏的外围轮廓,轮廓边缘更加平滑,完全能够满足CT图像序列的心脏全自动分割任务需求,分割后的图像更有利于医生对患者心脏健康状况和病变部位的观察。     

利用图谱匹配分割标注VHP数据集

利用TT脑图谱中丰富的结构信息,本文提出了一种自动分割脑图像的方法,并将其用于Visible Human数据集（VHD）的脑图像的分割,这种方法可分为两步,首先,将VHD中的脑图像和TT Atlas配准,通过图像和医学图谱的匹配,可以把图谱中存储的拓朴信息直接映射到ＶＨＤ,然后,利用这个预分割的模板对VHD脑图像进行模糊聚类分割,为自动将模板中的结构信息用于分割,本文利用Chamfer距离变换,提出了一中引入形状因子的FCM聚类算法。     

A fast and accurate segmentation technique for the extraction of gastrointestinal lumen from endoscopic images

A novel region-growing algorithm for the segmentation of endoscopic images is proposed in this paper. The objective of the research work is fast and accurate segmentation of gastrointestinal lumen from the endoscopic images for real-time applications. The proposed technique consists of a dual-step methodology in which a quasi Region of Interest (qROI) is segmented first using a global thresholding technique and then the actual lumen is extracted using differential region growing. An adaptive progressive thresholding technique is used to obtain qROI for a given endoscopic image. The centre of mass of qROI acts as the seed for the region growing in the next step. A differential region growing technique is suggested which grows the region on the basis of a similarity criterion. A dynamic hill-clustering method is utilised to ensure the effectiveness of the terminating condition during the growth process. The proposed scheme is faster than the conventional gradient based region-growing technique. The accuracy and high speed response of the proposed technique is validated with several endoscopic images and the results are presented.