Adaptive Order Polynomial Fitting for Pulmonary Nodule Segmentation in Chest Radiograph

Segmentation of pulmonary nodules in chest radiographs is a particularly challenging task due to heavy noise and superposition of fibs, vessels, and other complicated anatomical structures in lung field. In this paper, an adaptive order polynomial fitting based ray- casting algorithm is proposed for pulmonary nodule segmentation in chest radiographs. Instead of detecting nodule edge points directly, the nodule intensity proffies are first fitted by using the polynomials with adaptively determined orders. Then, the edge positions are identified through analyzing the local minimum of the fitted curves. The performance of the proposed algorithm was evaluated over an image database with 148 nodule cases in chest radiographs that were collected from a variety of digital radiograph modalities. The preliminary results show the proposed algorithm can obtain a high rate of successful segmentations.     

离体猪肝组织散射元平均间距的小波估计

基于准规则排列散射元,构建了生物组织的超声散射模型,用小波分析方法处理了模拟肝脏和新鲜狸肝组织的超声回波信号,得到该方法下离体猪肝的散射元平均间距ｄ＝１．６１９ｍｍ,同时,文中就小波分析方法与基于ＡＲ模型的估计方法作了比较,研究表明,小波分析既能较好地估计出生物组织散射元的平均间距,也可以估计出其空间分布,从而避免利用ＡＲ模型估计时,由于ＡＲ阶次的不确定而带来的误差。     

基于动态规划的最优化医学超声图像边缘提取

动态规划（DP）是一种解决多阶段决策过程最优化的方法。图像边缘提取时为了使系统输出具有最小的不确定性，考虑最优化判据是必要的。动态规划算法用于图像的边缘检测主要是获得一个图像的最低能量代价阵的过程，而图像的边缘对应于最低代价阵中的终止点和起始点之间能量梯度降低最快的路径，由此可以由最低代价阵勾勒出需要的边缘。对于质量较差的图像，可以先用梯度算子和一种LUM滤波器相结合进行预滤波。实验表明，基于该算法用于超声图像的边缘检测要获得全局最优的稳定的边缘线，是一种理想的最优化算法。     

序列超声图像边缘检测与跟踪的改进Snake模型

提出了一种序列超声图像边缘检测与跟踪的离散动态模型.在基于动态规划的Snake模型中,引入目标边缘的形状信息改进了内部能量约束形式;充分利用序列图像相邻层间的灰度相关信息弥补了传统Snake模型中图像梯度能量对噪声敏感的不足.实验结果表明,改进的Snake模型仅需少量的用户交互就能快速、准确地从超声序列图像中检测、跟踪出目标物体的边缘,在医学图像分析中具有一定的实用价值.     

离体猪肝组织散射元平均间距的小波估计

基于准规则排列散射元,构建了生物组织的超声散射模型,用小波分析方法处理了模拟肝脏和新鲜猪肝组 织的超声回波信号,得到该方法下离体猪肝的散射元平均间距d＝1.619mm．同时,文中就小波分析方法与基于 AR模型的估计方法作了比较．研究表明,小波分析既能较好地估计出生物组织散射元的平均间距,也可以估计出 其空间分布,从而避免利用AR模型估计时,由于AR阶次的不确定而带来的误差．     

基于边带限制的梯度矢量流主动轮廓线模型的超声图像分割

主动轮廓线模型是广泛应用于数字图像分析和计算机视觉等领域的一种目标轮廓跟踪算法，非常适合于医学图像（如CT和MRI）的处理。但将这一模型应用于超声图像的分割和目标轮廓的跟踪时，由于超声图像不可避免地存在着斑点噪声、弱边界和与组织有关的纹理，往往使传统主动轮廓模型难以获得满意的轮廓跟踪效果。为此，在梯度矢量流主动轮廓线模型的基础上，引入边带限制概念，并将该模型应用于超声图像的分割。实验表明，该方法较好地限制了非目标边缘和噪声干扰的影响，而且对超声及其序列图像具有较好的分割效果。