一种基于改进随机游走的肺结节分割方法

传统的肺结节分割方法无法精确分割出肺结节外部毛刺,并且无法分离出与血管和胸壁相连的肺结节.针对这些问题,提出一种改进的随机游走算法并应用于肺结节的分割中.首先,根据Dirichlet边界条件计算得到的未标记点到标记点的概率值的大小将图像分为目标区域,背景区域和不确定区域,应用欧式距离计算不确定区域中节点与标记点的灰度差异并根据距离的大小将其进行分类.其次,提出了一种两点间抛物线法用于对初始分割结果进行二次分割.实验结果表明,与传统方法相比,所提方法实现了肺结节的精确分割,提高了计算机辅助诊断对肺结节进行分析和鉴别的精度.     

改进C-V模型的CT图像肺结节分割方法研究

医学图像分割技术是现代图像处理领域的重难点,简化分割步骤、优化分割算法都将给医疗技术的发展带来极大的飞跃。基于对水平集演化理论的探讨,该文对Chan-Vese模型进行了分析和改进,结合CT图像中肺结节的特点,提出一种结合区域信息和边缘信息,并基于小波高频分量的改进C-V模型的肺结节分割算法。在目标函数中从速度、图像灰度不均匀性和收敛精确度上改进,引入多个约束项和小波高频分量边缘检测函数,以利于达到优化的分割效果。实验表明,该分割方法可以从肺部CT图像中有效地分割出肺结节区域,对肺癌的筛查和诊断有重要价值。     

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.     

基于CV模型与改进ME模型的肺癌检测算法

针对CT影像中恶性肺结节病灶难以自动检测的问题,提出了一种基于CV模型与改进ME模型分割区域之间的面积差异的肺部CT影像癌症检测算法.该方法利用在肺部CT影像中结节边界的模糊程度是判断恶性肺结节的最重要指标这一特性,首先通过CV模型和改进ME模型两种交互式目标分割算法分别对肺部CT影像分割,因这两种分割方法收缩效果不同,故得到两种不同的结节区域,再计算这两种区域之间的面积差异得到该区域的模糊程度,最后计算得到模糊程度比较阈值,以此判断是否存在癌症.实验结果表明,该算法对于肺部CT影像中的癌症检测具有较高的准确率.     

基于CT图像3D特征的肺结节检测

为了提高肺结节检测的性能,提出一种基于中心点连续性的肺结节检测算法.该算法使用基于简单线性迭代聚类超像素方法分割CT图像,并根据相似度合并超像素,进而得到肺部区域及疑似肺结节区域,降低了疑似肺结节的漏检率.根据各帧CT图像中疑似肺结节区域的中心点偏移程度评价其中心点连续性,最终判断出阳性肺结节.文中的实验数据来自于上海市胸科医院和LIDC数据库.实验结果表明,改进后算法的敏感度达到86.36%,假阳性率为1.76.     

融合KFCM与改进DRLSE模型的甲状腺结节图像分割

针对超声甲状腺结节图像分割问题,提出一种融合模糊核(KFCM)聚类算法与改进距离正则化水平集演化(DRLSE)模型的分割算法,解决了DRLSE模型对初始轮廓敏感、演化参数需要人工设定及分割弱边缘能力较差的问题.该算法先利用KFCM聚类算法粗分割出结节区域并二值化作为水平集初始演化轮廓,然后利用初始演化轮廓围成的区域自动计算出水平集演化参数,最后采用高斯正则化规则演化水平集分割出甲状腺结节区域.对比实验结果表明,该算法提高了甲状腺结节的分割精度,在噪声干扰下也能准确地分割出结节区域.     

基于分层模版种子点的分水岭分割孤立性肺结节的方法

针对肺部结节的分割问题,该文提出了一种基于分层模版种子点的分水岭分割方法。该方法在PET图像中采用基于SUV均值的分层次模版匹配算法检测出可疑区域,标记出分割种子点,同时在对应CT图像中使用改进的分水岭算法将可疑肺结节分割出来。将该方法与特征提取结合应用于肺结节的辅助诊断中。大量的实验结果表明:与当前单独采用CT或PET图像特征分割结果相比,该方法在确保真阳性以及分类准确性的基础上,极大降低了假阳性,从而表明了该方法在肺结节临床分割方面的有效性。     

基于混合分类的肺结节检测算法

使用最优阈值的分割方法获得肺实质,并使用C均值聚类的方法获得感兴趣区域(ROI),通过混合分类方法对ROI进行分类.在分类过程中,首先定义肺结节的两个三维特征以及相应的两条规则,进行基于规则的初始分类,再构造基于改进Mahalanobis距离的非线性分类器进行再次分类,从而进一步降低假阳性.经过混合分类处理,肺结节与血管等干扰信息得到有效的区分.实验结果表明,该算法检测肺结节具有较高的敏感性.     

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.     

基于高效通道注意力的UNet肺结节CT图像分割

肺癌是全球死亡率最高的癌症之一,肺结节作为肺癌早期诊断的重要依据,对其进行精准分割格外重要。为了帮助医生诊断肺部病变,本文提出一种改进的UNet肺结节分割方法。首先,在特征提取部分引入高效通道注意力网络(efficient channel attention for deep convolutional neural networks, EcaNet),提高UNet分割效果,使其具有良好的泛化能力。接着,为了降低模型参数量、提升算法分割性能,提出一种基于深度可分离卷积的特征融合模型,用深度可分离卷积代替传统卷积完成特征融合。然后,针对肺结节图像特点,将基于重叠度损失函数(dice loss)与加权交叉熵(weighted cross entropy, WCE)结合作为新的损失函数。最后,为验证所提算法Eca-UNet的有效性,在LIDC-IDRI肺结节公开数据集上进行评估。结果表明：Eca-UNet算法在DICE相似系数、MIOU上比UNet分割算法分别提高10.47、7.34个百分点;同时在训练速度上提升了10.10%,预测速度提升了11.56%。     

基于PET/CT的孤立性肺结节的自动分割方法

为辅助医生临床诊断,提出了一种基于PET/CT(positron emission tomography/computed tomography)的孤立性肺结节的分割方法。该方法首先需要运用图像的配准算法完成相应的过程,然后分别在PET和CT中完成分割提取。在PET中获得了结节的代谢显像区域后,利用高代谢区域的中心作为种子点。使用配准算法将这些种子点映射到CT中对应的位置后,利用区域增长完成对结节结构像的提取。将该方法用于PET/CT病例数据图像分析中。实验结果表明,使用该方法可以完整地获得肺部结节的功能和结构像,从而也显示了该方法的准确性和无监督性。     

CT图像中肺结节毛刺特征的计算机量化方法

根据CT图像中肺结节毛刺的生长特点,提出了一种CT图像的肺结节毛刺特征计算机量化分级方法.该方法首先利用动态规划算法对感兴趣的CT图像区域进行肺结节分割,然后在分割的结节边界基础上,通过分析边界附近区域梯度方向的规律性,提取边界法线-梯度正交指数作为结节毛刺特征的量化指标,在此基础上对肺结节毛刺特征进行量化分级.实验结果表明:该指数能够准确地量化肺结节的毛刺特征,对区分无毛刺、短毛刺及长毛刺结节具有较高的分辨率.     

一种改进的边界法向量叠加疑似肺结节提取

对边界法向量叠加法进行改进,提出一种基于局部形状约束和自适应设定法向量大小的边界法向量叠加疑似肺结节提取方法.首先用自适应阈值方法对肺实质图像进行分割,得到初始ROI区域;然后判断初始ROI区域边界点的局部凸凹性特征,对满足凸性特征的边界点计算法向量方向,并且自适应设定法向量的大小,将初始ROI区域的边界点法向量叠加;最后对局部最大叠加值进行选择,可以检测出不同大小的圆形疑似肺结节.边界法向量叠加前使用局部凸凹性特征约束,能减少法向量叠加计算量;自适应设定法向量大小能克服检测固定大小肺结节的局限性.实验结果表明,改进算法可以较好地检测疑似肺结节区域,对不同大小的肺结节都有很好的适用性.     

基于放射影像组学和随机森林算法的肺结节良恶性分类

针对现有的肺结节良恶性分类算法存在分类准确率不高的问题,文中提出了一种基于放射影像组学和随机森林算法的肺结节良恶性分类算法.首先,提出了一种新的多尺度圆形滤波,用于对肺结节进行增强;其次,采用阈值法、形状指数和纹理特征自动获取种子点,并将种子点注入到随机游走算法中,以实现对肺结节的准确分割;然后,对分割的肺结节进行灰度、纹理、形状、小波和临床表征特征的提取;最后,采用随机森林构造肺结节良恶性的预测模型,并使用数据库LIDC对预测模型进行训练.实验结果表明,文中提出的算法对肺结节良恶性具有较高的分类性能,准确率、敏感性和特异性分别为94%、92%和94%.     

基于图像分割和孔洞修复的三维伤口测量方法

伤口测量是临床医学研究中一项重要工作。传统的接触式伤口测量方法存在测量结果稳定性差、易造成伤口二次伤害的问题,基于2D图像处理的非接触式伤口测量方法存在精度差、无法获得伤口深度信息的问题。为此,设计了一种基于图像分割和孔洞修复的三维伤口测量方法。采用异源图像对齐算法解决了异源图像由于视差导致的图像像素错位问题;通过基于改进的区域生长法设计了一种交互式伤口区域分割方法,实现伤口区域精准分割。最后,采用基于径向基函数(radial basis function, RBF)的三维点云孔洞修复算法进行伤口皮肤复原,从而得到伤口的最大深度、体积等三维参数。实验结果表明：所提方法的测量误差低于3%,其测量精度以及稳定性皆优于接触式和基于2D图像处理的伤口测量方法,满足临床使用以及医学研究的应用需求。     

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...     

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。     

基于深度学习的CT影像肺结节检测

为辅助医生检测大量肺部CT( Computed Tomography) 图像中难以发现的肺结节的问题,提出使用深度U-Net网络对肺部结节进行分割。由于U-Net 网络出自于全卷积网络( FCN: Full Convolution Network) ,特点是端到端,像素到像素,网络对每个像素点进行分类,能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT 图像的分割掩膜。实验结果表明,该方法对肺结节的检测效果良好。     

基于OTSU算法和带通滤波器的毛玻璃型肺结节检测

针对毛玻璃型肺结节成淡淡的模糊影,不容易用肉眼观察到,并且其灰度值介于肺实质和血管之间的特点,提出一种基于带通滤波器的毛玻璃型肺结节检测方法.首先用OTSU算法分割肺实质,然后用带通滤波器检测毛玻璃型肺结节.实验表明,此检测方法在所需运行时间和敏感性上都优于现有方法.     

基于概率图谱和Random Walker的肝脏三维分割算法

针对腹部CT图像内部结构复杂和相邻脏器灰度相近而导致分割精度较低的问题,提出了一种新的基于概率图谱和Random Walker的三维肝脏分割算法.首先利用大量的由医生分割的肝脏区域图像建立肝脏存在位置的概率图谱,表示肝脏解剖位置信息;然后提出了改进的全自动的Random Walker算法,并建立由Random Walker优化的灰度概率图谱;最后基于该灰度概率图谱从腹部CT图像进行肝脏三维分割.实验结果表明,提出的算法能够有效地进行肝脏区域的分割并具有较好的鲁棒性,与传统算法相比,分割精度得到了明显的提高.