基于图论的交互式图像分割算法研究

交互式图像分割方法的应用越来越广泛,本文提出了一种新的基于图割的交互式图像分割方法。该方法将像素的灰度信息和空间信息结合起来建立图模型,利用预流算法快速计算出该模型的最小割集,实现图像分割,有效地降低了运算的时间复杂度,提高了分割准确度。     

基于ITK的医学影像分割算法研究

医学图像分割是医学影像领域非常重要的研究和应用课题。医学图像分割是图像分析、图像融合、图像分类检索以及医学图像专家库的应用基础。ITK（insight segmentation and registration toolkit）是美国国家卫生院专门开发的用于图像分割与配准的算法平台,专门针对医学影像领域,其中包含了丰富的图像分割的算法和操作。水平集（level-set）和区域增长法是分割领域最为成熟的分割算法。研究了水平集和区域生长算法的基本理论和算法基础,以及在图像分割上的应用和实现,分析了这两种算法的特点和应用范围。     

用IDL实现基于CT图像的三维表面重建

利用计算机断层(CT)图像进行人体组织三维重建,在医学、人体科学等领域拥有非常广阔的应用前景.IDL是近年来被广泛应用于医学图像处理的交互式数据语言.本文结合一组CT图像,介绍了一种用IDL语言实现CT图像形态学边缘检测、轮廓提取和三维表面重建的方法.并采用IDL中事件驱动的程序结构,设计了三维可视化程序.     

医学图像处理实验系统的设计

根据医学图像处理的需求,自主开发了一套医学图像处理实验平台软件,该软件可以进行病历信息管理,医学影像的存储与管理。整个系统实现了医学图像的预处理、多模态医学图像的配准、多模态医学图像的融合和医学图像的分割等算法,为医学图像处理的各种算法的实现提供了应用和实验平台。     

全局最优混合活动轮廓模型肺组织三维重构

医学图像三维重构是一种重要的计算机辅助可视化技术,对医学诊断和辅助治疗具有重要影响。在胸腔CT图像中,肺部组织密度远小于胸腔壁、骨骼等外围组织。因此,在对肺组织进行三维建模的过程中,肺部易被外围组织遮挡,严重影响其三维观测和定量分析。提出了一种针对胸腔CT序列肺部组织的非遮挡三维重构方法。首先提出一种全局最优的混合活动轮廓模型准确分割连续胸腔CT图像中的肺部组织,然后采用基于错切变形的最大密度投影体绘制实现肺部三维模型重构。通过对30例患者CT数据进行实验,结果表明所提出的混合活动轮廓模型可实现准确的肺部组织分割。平均Dice相似性系数为0.983,平均双向Hausdorff距离为6.1 mm,每个病例的平均分割效率为4.5 min。采用错切变形体绘制重构后可获得无遮挡的肺部三维模型。     

基于改进窄带法的快速医学图像分割方法

基于曲线演化的水平集算法近来已被广泛应用于医学图像分割中,根据分割医学图像的鲁棒性实时性的要求,提出一种新的基于改进窄带法的图像分割方法INBM(Improved narrow band method).INBM首先将均匀采样的图像映射到对数极坐标系中,由视网膜空间分辨率机制可知,注视点都在图像兴趣区,由此形成初始轮廓,然后用改进的窄带水平集(Level Set)方法演化曲线得到最终分割结果.改进窄带法是通过降低窄带区域内的水平集函数求解个数,来减少计算时间.实验结果表明,该方法能够快速、准确地得到医学图像的结果.     

基于数学形态学的医学图像插值技术

医学图像插值技术是图形处理中的关键技术.为了能同时满足图像灰度和形状的要求,提出了一种基于数学形态学的医学图像插值算法.对CT图像采用多阈值和数学形态学的方法进行了分割,得到了各组织的轮廓,然后根据体素的相关性进行了插值.实验结果表明,此算法解决了以往算法边界模糊的缺点,插值效果好.     

基于改进的图论最小生成树及骨架距离直方图分割细胞图像

为了解决模糊且有粘连的细胞图像的难以分割问题,本文针对医学细胞图像的特点,应用图论的思想提出了一种图论与数学形态学结合的图像分割算法.该算法先对图像进行去噪和增强,然后用改进的图论最小生成树(MST)算法对细胞图像进行初始分割.改进的主要内容是在算法中引入了细胞尺寸和形状的信息,从而在一定程度上改善了图论算法过分割的缺陷.在进一步的图像分割中,为了解决二值图像中的细胞粘连问题,结合数学形态学的骨架边界距离信息找出分裂线将粘连细胞分离.与常规的分水岭算法完全不同,该算法没有重复性的运算.一系列细胞图像的试验表明,该算法能够很好地分割模糊且有粘连的细胞图像,其结果令人满意.     

光学相干层析医学图像处理及其应用

由于人工分析光学相干层析（OCT）图像费时费力、主观及可重复性差,因而快速、精确与客观地检测与量化生物特征标记是OCT医学图像研究与疾病诊断的关键。本文综述了光学相干层析（OCT）医学图像处理技术与应用的研究进展。介绍了OCT成像技术的特点及其主要应用,OCT图像处理的难点、基本问题及主要研究内容;讨论了对时域OCT和频域OCT图像降噪、图像分类与图像分割的重要方法及应用,并分析了各种方法的优缺点及研究发展方向。此外,介绍了偏振敏感光学相干层析（PS-OCT）在医学图像分析中的应用。文中讨论的应用对象涉及到视网膜、角膜、冠脉、前列腺、牙齿、食道、结肠、膀胱、皮肤、乳腺等组织,可为人们综合了解OCT图像处理及其应用现状提供丰富的信息。     

基于深度学习的医学图像处理研究进展

基于深度学习的医学图像处理已成为该领域研究的热点。深度学习方法在各种医学图像应用中取得了优异性能,达到甚至超过了专家级医生的水平。本文首先简述深度学习模型的基本原理,尤其是监督学习算法中的各种神经网络,然后总结它们在医学图像分类与识别、定位与检测、分割、配准与融合等应用领域的研究进展,最后探讨医学图像处理深度学习方法面临的挑战及应对措施。     

Tumor detection from enhanced magnetic resonance imaging using fuzzy curvelet

Effective medical image analysis is possible by the use of technique known as segmentation. Segmentation is a very challenging task because there is not any standard segmentation method is available for any medical application. In this article, we have proposed an automatic brain MR image segmentation method. Fast discrete curvelet transform and spatial fuzzy C-mean algorithm is used for noise removal and segmentation of brain MR image. Fuzzy entropy has been used for calculating adaptive and optimal threshold to separate out the image segments. Our proposed system is exclusively based on the information contained by the image itself. No extra information and no human intervention are required in our proposed system. We have tested our proposed system on different T1, T2 and PD brain MR images.     

基于水平集的前列腺磁共振图像分割方法研究

基于前列腺磁共振图像(MRI)特征信息及其病变好发特定区域等先验知识,针对前列腺内外轮廓全分割问题,提出基于边缘距离调整水平集演化(DRLSE)的前列腺MRI两步分割方法。在构建统一水平集能量函数的基础上,第1步基于前列腺MR的T1(纵向弛豫时间)图像实现其外轮廓分割,第2步在外轮廓约束限定条件下,基于前列腺MR的T2(横向弛豫时间)图像实现前列腺的内部轮廓分割,进而完成前列腺内外轮廓的全面有效分割。设计了前列腺分割的人机交互界面,对10个前列腺病例MR图像(含正常、增生和癌变共30幅)进行了分割实验研究,并采用Dice相似性系数(DSC)对分割结果进行评价分析,DSC值达到90%以上。实验结果表明,所提出的基于边缘DRLSE的前列腺MRI两步分割方法能够有效地实现前列腺内外轮廓的全面分割,非常接近于临床专家手动分割的理想结果,对前列腺疾病的临床诊断和治疗有较好的参考价值。     

Segmentation of confocal microscope images of cell nuclei in thick tissue sections

Segmentation of intact cell nuclei from three-dimensional (3D) images of thick tissue sections is an important basic capability necessary for many biological research studies. However, segmentation is often difficult because of the tight clustering of nuclei in many specimen types. We present a 3D segmentation approach that combines the recognition capabilities of the human visual system with the efficiency of automatic image analysis algorithms. The approach first uses automatic algorithms to separate the 3D image into regions of fluorescence-stained nuclei and unstained background. This includes a novel step, based on the Hough transform and an automatic focusing algorithm to estimate the size of nuclei. Then, using an interactive display, each nuclear region is shown to the analyst, who classifies it as either an individual nucleus, a cluster of multiple nuclei, partial nucleus or debris. Next, automatic image analysis based on morphological reconstruction and the watershed algorithm divides clusters into smaller objects, which are reclassified by the analyst. Once no more clusters remain, the analyst indicates which partial nuclei should be joined to form complete nuclei. The approach was assessed by calculating the fraction of correctly segmented nuclei for a variety of tissue types: Caenorhabditis elegans embryos (839 correct out of a total of 848), normal human skin (343/362), benign human breast tissue (492/525), a human breast cancer cell line grown as a xenograft in mice (425/479) and invasive human breast carcinoma (260/335). Furthermore, due to the analyst's involvement in the segmentation process, it is always known which nuclei in a population are correctly segmented and which not, assuming that the analyst's visual judgement is correct.     

胸部CT图像中孤立性肺结节良恶性快速分类

目的：为突破医学影像诊断学依据医学征象进行定性诊断准确度不高的瓶颈,针对胸部CT图像中孤立性肺结节（SPN）定性诊断问题,寻求能够有效表示SPN病理特性的图像特征,实现快速准确地SPN良恶性计算机辅助诊断系统。方法：首先,采取交互式分割方法从胸部CT图像中提取出SPN;其次,直接计算SPN图像的多分辨率直方图得到768维空间信息特征样本集;然后,充分利用具有处理高维数据集优势的支持向量机（SVM）构造SPN良恶性分类器;最后,通过测试样本集对经训练后的SVM分类器进行测试以评价分类性能。结果：经214例病例实验结果表明：240个SPN图像的768维特征计算所用时间为4.83秒,SVM分类器训练测试所用时间为2.24秒,敏感性71.33%,特异性70%,准确度71.67%,接受者操作特性曲线(ROC)下面积(AUC) 0.7864。结论：该系统提取的高维图像空间信息特征能够有效表示SPN特性;没有考虑医学征象进行SPN定性诊断的准确度就达到了71.67%,同时分类速度比传统纹理算法提高了近50倍,为医学影像学解决SPN定性诊断问题提供了便捷、客观的辅助手段。     

A novel segmentation approach for noisy medical images using Intuitionistic fuzzy divergence with neighbourhood‐based membership function

Medical image segmentation demands higher segmentation accuracy especially when the images are affected by noise. This paper proposes a novel technique to segment medical images efficiently using an intuitionistic fuzzy divergence–based thresholding. A neighbourhood‐based membership function is defined here. The intuitionistic fuzzy divergence–based image thresholding technique using the neighbourhood‐based membership functions yield lesser degradation of segmentation performance in noisy environment. Its ability in handling noisy images has been validated. The algorithm is independent of any parameter selection. Moreover, it provides robustness to both additive and multiplicative noise. The proposed scheme has been applied on three types of medical image datasets in order to establish its novelty and generality. The performance of the proposed algorithm has been compared with other standard algorithms viz. Otsu's method, fuzzy C‐means clustering, and fuzzy divergence–based thresholding with respect to (1) noise‐free images and (2) ground truth images labelled by experts/clinicians. Experiments show that the proposed methodology is effective, more accurate and efficient for segmenting noisy images.     

基于图像识别的温室自动灌溉水车系统

研究了温室内灌溉对象的实时采集和识别技术,以及图像处理与分析软件系统的开发.建立了基于图像识别的自动灌溉水车系统,对信号采集、图像处理、数据传输交换等主要问题作了较深入的研究.提出了基于色彩因子的图像分割算法,和传统方法相比,在不影响分割效果的同时大大提高了图像分割处理的实时性和准确性.试验结果表明,该系统运行良好,具有广阔的应用前景.     

LED芯片图像的势函数标记分水岭分割

全自动LED芯片测试分拣系统通过视觉图像处理精确定位LED芯片,其图像特征信息的提取建立在良好的图像分割基础上。为了精确提取图像特征,针对LED芯片图像的特点,改进了分水岭分割算法,采用直方图势函数提取标记,并在标记基础上对梯度图进行分水岭变换,实现了LED芯片图像的良好分割。实验结果表明,该方法有效地抑制了过分割现象,具有较好的抗噪性,对LED芯片图像感兴趣区域提取准确度高、鲁棒性强,分割效果较好。