基于三维区域增长和灰度积分投影法的肺实质分割

为了提高肺结节计算机辅助检测、辅助诊断的准确性,研究精确分割肺实质方法。首先,采用Otsu法实现阈值法粗分割;其次,设计三维区域增长方法有效去除粘连在肺实质上的主气管和支气管树;再次,采用灰度积分投影法以及行扫描方法对左右肺粘连的情况进行判别和处理,实现左右肺分离;最后,用滚球法修复肺区边界,实现肺实质分割。该方法有效解决了肺实质分割中粘连肺实质的气管、支气管树去除问题,高密度的肺部组织易丢失、粘连肺壁的肺结节容易被遗漏等问题。通过对多组LIDC-IDRI肺部图像数据集的实验表明,该方法能够精确高效地实现对于肺实质分割。     

一种基于CT图像的肺实质分割方法

在肺部疾病的计算机辅助诊断(CAD)时,肺实质的正确分割尤为重要.为了减少检测区域,节省运算时间,提高准确率,需要预先提取肺组织.提出了一种改进的最大类间方差法(OTSU)结合形态学运算的肺实质分割方法.首先对原始CT图像做滤波去噪、图像增强的预处理,自适应阈值二值化图像;然后连通区域标记获取轮廓,利用基于OTSU的改进算法去除气管、肺液等干扰,分离肺实质与背景,对左右肺叶粘连的情况采用行列扫描、区域彩色标记并将其有效分离;最后采用一系列的形态学运算对提取出来的肺实质弥合修补.从公开数据库LIDC中选取830张CT图像,用该方法可完整分割肺实质,平均准确率为97.56%,平均召回率可达99.29%,Dice相似系数为98.42%.     

基于CT图像的肺实质分割

在肺部计算机断层扫描图像的肺实质分割中,针对固定阈值法分割图像不稳定的问题,提出最佳阈值法对图像进行二值化,分割出肺实质区域,剔除肺纵膈区域及衣物等背景。与固定阈值法相比,该方法有较高的稳定性。针对由病变造成的肺部大面积坏死所引起的左右肺分开判断错误的问题补充了判断准则,直接给出结论。实验表明,该方法对肺实质分割具有较高的鲁棒性。     

用于计算机辅助诊断的肺实质自动分割方法

在肺结节的计算机辅助诊断过程中,肺实质的分割是关键的步骤。传统的肺部分割方法都是基于肺实质与周围组织对X线的衰减强度不同而进行的。这些方法对正常的肺部能得到理想的结果,但当肺部存在肺结节等异常征象时,这些方法会出现错误。该文提出了一套完整肺实质分割流程,首先用阈值法和边界跟踪算法得到初始的肺部轮廓,然后提出一种新的基于计算局部二维凸包的方法对原始的肺部轮廓进行修正。该算法能将与肺部周围组织相连的肺结节包括在肺实质中,从而在肺部存在与胸膜相连的结节的情况下也能得到满意的分割结果。采用该算法对6个病人的约400张肺部CT图像进行了肺实质提取,实验结果显示:该算法对正常和异常征象的肺部CT图像进行分割的正确率均能达到83%以上,为肺结节的计算机诊断提供了良好的条件。     

基于CT图像的自动肺实质分割方法

在肺癌、肺气肿等肺部疾病计算机辅助诊断方法中,肺实质分割是最核心的步骤.提出一种基于三维CT图像序列的新的自动肺实质分割方法,综合利用了阈值分割、区域增长及数学形态学等算法,并在特定体层通过图搜索算法精确定位左右肺前后连接线狭窄区域,有效解决了肺实质边缘结节易分割遗漏及左右肺分离的难题.通过多组胸部CT序列图像的实验证明,该方法对于肺实质分割非常精确有效.     

基于U-Net网络的肺部组织分割

传统的医学图像分割中特征提取算法的设计复杂性与应用局限性、稳定性以及特定的特征提取算法与特定的分类器结合的多样性制约着医学图像分割技术的发展,而深度学习是机器学习领域中使用多重非线性变换对数据进行多层抽象的热门算法,其多被应用于医学图像的分类和识别中。在肺组织分割中,针对肺部组织纹理复杂,且胸部CT图像数据的随机噪声大,采用相对成熟的传统分割算法对CT图像进行预处理,再结合深度学习的理论,设计一个合理的神经网络模型,利用已经标记好的多组肺部CT图像进行训练,使其能够准确地分割出肺部组织。基于U-net神经网络的深度学习方法对肺实质的分割进行研究与实现,并针对临床扫描胸部CT图像进行了实验验证,能够较为准确快速地分割出肺实质。     

胸部CT中肺实质的自动分割与辅助诊断

以肺气肿为研究对象,针对肺部高分辨率CT图像的特点,应用自动阈值分割与轮廓跟踪方法,提取肺部实质区域。根据肺部的CT密度分布,确定肺气肿的病变区域与程度。实验证明,该方法能准确、有效地对肺部区域实行全自动分割,并对病变区域进行统计分析,最终实现肺气肿的量化分析与准确诊断。     

基于连续最大流的三维肺实质快速分割算法

肺结节是肺癌的表征形式,形状结构多样且易与正常组织产生粘连,使分割存在困难.提出了一种基于空间约束的三维肺实质分割算法,实现对肺实质组织的分割及目标区域的获取.首先使用SLIC方法将二维CT序列图像构建成超像素图像矩阵,并对矩阵进行稀疏化处理,降低矩阵维度.然后连接相邻切片间的超像素构造肺实质组织的三维结构.最后采用连续最大流方法对构造的三维肺部结构进行分割.实验结果表明,所提算法能够快速准确地分割三维肺实质组织,对不同类型肺结节的分割均取得较好结果,具有一定的临床应用价值.     

结合显著性和Graph cuts的肺区域图像分割

针对肺部CT图像灰度分布不均匀、各组织结构复杂导致难以准确地分割提取出肺区域的问题,提出了一种结合图像显著性和Graph cuts的肺区域自动分割方法.对10位病例的CT图像序列进行测试,结果表明:该方法可以自动完成肺区域分割,具有较高精度,且耗时较少.     

孤立性肺结节CT影像的计算机视觉分析

目的:探讨电子计算机视觉分析对孤立性肺结节的诊断价值.方法:89例经手术病理证实的肺部结节电子计算机断层扫描(CT)图像经过形态学滤波以及二次图像分割,进行标准哈夫(Hough)函数变换,以提取的计算机视觉特征数据来研究孤立性肺结节的影像诊断.结果:恶性结节的最大极径(MaxRho)为(141.79±8.332),良性...     

基于胸部CT图像的肺部自动分割

肺区自动分割是肺部肿瘤计算机辅助诊断系统的关键之一。文章采用多阈值和区域生长方法,先去掉背景,再去掉气管／支气管,最后对提取出来的肺区使用滚球的方法进行修补。该方法速度快、人工干预少、准确。     

基于全局阈值分割及多项式拟合的车道线识别

为了在汽车辅助驾驶中准确得到车道线,本设计在阈值分割中比较了全局阈值、最大类间方差阈值两种方法,确定了基于全局阈值的方法来进行阈值分割。得到分割图后,进行透视变换,通过将像素按列相加的直方图得到左右车道线的基点,最后通过滑动窗多项式拟合左右车道线。仿真结果表明,该方法能够准确识别车道线,算法简单,运算效率高。     

基于三维曲面重建的CT图像肺边界缺陷修复

针对CT图像的肺实质分割中由边界粘连型肿瘤造成的肺边界缺陷修复问题,提出了一种基于三维曲面重建的修复方法.对肺实质边界曲率变化较大处的缺陷,二维图像上无法获得足够多的特征对肺实质边界进行修复.本文方法首先使用质心灰度法改进了三维区域生长算法,提取肺实质进行三维重建.再使用阈值法提取分布在缺陷周围的三维点云,对三维点云进行曲面重建即可得到完整的肺实质轮廓.实验结果表明:该方法与传统的凸包算法和滚球法相比,能够更加完整有效地修复边界粘连型肺实质边界的缺陷.     

基于图像特征的智能肺癌识别

提出一种基于图像特征进行计算机辅助医学诊断的智能算法。该算法使用神经网络技术有效地从彩色细胞切片图像中识别出肺癌细胞。首先，通过图像预处理和图像分割技术提取出切片图像中细胞的形状和颜色特征。接着，将这些图像特征输入训练好的肺癌分类识别神经网络，智能地识别出肺癌细胞。     

融合像素空间信息及加权模糊聚类的肺结节识别

针对肺部计算机辅助诊断中孤立肺结节识别容易受噪声、气管、血管的干扰问题,提出一种融合空间信息及加权模糊聚类的肺结节识别算法.该方法利用融合像素空间信息及带特征权重的模糊C均值聚类算法实现感兴趣区域分割;利用特征选择算法计算感兴趣区域各特征权重,加权模糊C均值聚类算法分类感兴趣区域,识别肺结节.对比实验证明,该算法对感兴趣区域分割抗噪声性增强;感兴趣区域分类准确率提高;整体算法对肿瘤的检出率较高,漏诊率降低,为医生诊断早期肺癌病灶提供更加准确的客观依据.     

一种基于灰度修正的心肌瘢痕阈值分割方法

将心肌瘢痕从心脏磁共振延迟强化图像中分离出来并进行定性定量分析,对缺血性心脏病患者的早期诊断和准确预后评估具有十分重要的意义.针对心脏左心室内外膜边缘周围常见的噪声容易导致心肌瘢痕错分的问题,构建了一种基于灰度修正的心肌瘢痕阈值分割方法.方法依次采用像素标记、影响力计算和灰度更新三个步骤对心肌区域进行灰度修正,然后结合OSTU算法对心肌瘢痕进行阈值分割.实验结果表明,本文方法较以往的心肌瘢痕分割算法更接近有经验医生的人工分割结果,有效避免了左心室内外膜边缘噪声可能导致的心肌瘢痕的错分.     

基于遗传算法的灰铁铸件缺陷诊断的神经网络模型

将铸造生产中缺陷产生的主要原因抽象为神经元,构建了灰铁铸件缺陷诊断的BP神经网络模型.采用非线线性变换,确定了样本的变化范围,用遗传算法学习网络模型的权值,开发出了基于C++的铸件缺陷诊断及防止的应用软件,并通过建立铸件缺陷数据库,以克服专家系统的"瓶颈"问题,从而有效地降低铸件的废品率.