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。     

基于POS-ELM的孤立性肺结节诊断方法研究

在肺结节诊断方法研究中,传统机器学习诊断方法存在诊断性能不稳定的问题。为了提高孤立性肺结节的识别准确率,提出基于粒子群优化(particle swarm optimization,PSO)参数的极限学习机(extreme learning machine,ELM)辅助诊断方法。首先采用PSO选取ELM最佳的初始权重ω和偏置b;然后利用最佳参数ω和b对ELM进行训练;再利用PSO-ELM对通过稀疏自编码得到的肺结节特征进行分类识别。实验中,将传统机器学习算法与本文方法进行对比,结果表明,利用粒子群优化算法进行优化的极限学习机在孤立性肺结节诊断方面具有较高识别准确率和稳定的分类性能,可以作为一种有效的肺结节诊断工具。     

基于仿生模式识别的孤立性肺结节检测

提出基于仿生模式识别理论的孤立性肺结节检测神经网络模型.实现了基于仿生模式识别、基于支持向量机和基于BP神经网络的孤立性肺结节检测,并对它们的性能进行比较分析,结合ROC曲线评价,结果表明:基于仿生模式识别的检测性能优于其他两种方法.     

孤立性肺结节诊断模型的特征选择算法

孤立性肺结节诊断模型中未得到充分解决的一个关键问题就是如何选择合适的特征子集。为了构建一个良好的诊断预测模型,提高肺结节良恶性诊断的效率以及准确率,提出了一种基于联合互信息的混合模型特征子集选择算法。该算法综合过滤式和包裹式特征选择模型各自的优势,首先使用过滤式方法得到与诊断有高相关度的候选特征子集,然后通过包裹式方法对候选特征子集进行特征间冗余分析,最后得到最优特征子集。实验表明,该算法与基于其他互信息的过滤式、混合模型特征选择方法相比,不仅在特征子集数目上,而且在良恶性诊断的敏感性、特异性和平均分类准确率上,均具有很好的性能效果。     

128层螺旋CT多平面重组技术在肺孤立性结节形态特征筛查中的应用价值

探究128层螺旋CT多平面重组技术（MPR）在肺孤立性结节形态特征筛查中的应用价值。2019年5月—2020年9月甘肃省定西市人民医院行128层螺旋CT胸部平扫检查中发现肺部结节患者中抽取130例患者,年龄为25～65岁,其中男性72例,女性48例。该批患者均经过128层螺旋CT进行胸部检查并发现胸部结节,将该批患者常规进行常规图像与多平面重建图像进行对比分析。常规平扫图像编为对照组,并将进行MPR重建图像编为研究组,然后将两组图像交由放射科两位高级主治医师和两位副主任医师对这两组图像随机顺序对的每个患者的图像进行仔细地独立阅读,在阅片时,观察医生不被告知患者相关临床资料和信息。常规CT平扫图像与进行多平面重组的CT图像进行肺结节形态特征的评价分析,研究组的肺结节特异性的识别率高于对照组,具有明显差异性（P<0.05）。在肺结节的筛查与形态特征的评价中进行多平面重组重建技术可以提高肺结节形态特征的检出率,而肺结节的这些形态特征对肺结节良恶性的影像鉴别诊断中具有重要的意义,因此,多平面重建技术应在日常阅片诊断中积极和广泛应用。     

基于深度图像与分水岭的平面点云分割方法

根据目前点云数据分割的研究现状以及分水岭算法在图像处理中的应用,提出一种基于深度图像和分水岭算法的建筑物平面点云分割方法.该方法首先将平面点云数据生成深度图像并给像素赋予灰度值,再使用双边滤波算法进行滤波去噪,然后使用分水岭算法进行图像分割,得到分割结果后索引回原始点云数据,得到点云分割结果.为验证方法的可靠性与准确性,利用区域增长法、RANSAC算法以及欧式聚类法进行对比实验.通过对实验结果的对比分析,能有效地将不同点云面片分割出来,并且具有良好的准确度和完整度,分割结果质量较高,为点云的分割提供了新的思路与方法.     

模糊支持向量机在肺结节良恶性分类中的应用

针对传统支持向量机(SVM)对图像中含有的噪声或野值样本的不敏感性问题,提出了一种基于双向隶属度的模糊支持向量机(FSVM)的方法。该方法通过计算样本类中样本与其所属类别和另一类别的中心点之间的距离,得出样本对每一类的隶属度,通过对样本隶属度的分析实现对样本点的分类。将该方法应用于对肺结节良恶性分类试验中,其参数反演结果表明,即使在噪声存在的情况下该方法也能得到较好的分类结果,而且克服了传统方法过拟合的缺点,从而也验证了该方法较强的抗噪能力和较好的分类能力。     

右肺孤立性肺纤维瘤1例

患者女性,48岁,干咳半年余。近期反复出现右胸隐痛入院。体检:右肺呼吸底。胸片和CT示:右肺尖背段可见一类圆形阴影。边缘尚清晰,肺门及纵隔未见肿大淋巴结。 病理巨检 送检右肺上叶肺段:肺组织一块,约9cm×8cm×4cm。在切面上见一直径约4cm的包块,边界不清,色暗红灰白,质韧。肺组织结构大部分破坏。肿块与肺段支气管无明显关联。     

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.     

基于分水岭和扩展的遥感影像分割方法研究

提出了一种新的影像分割方法。方法利用Meanshift算法对原始影像进行预处理,再运用分水岭标记算法获得初始分割结果,得到独立的影像斑块。以每一个斑块作为一个结点构建一幅图,应用图割理论中的α扩展原理对所构建的图进行多类分割。由于充分利用分水岭算法和α扩展理论的优点,新方法分割结果具有更高的准确性,并有相应的实验证明该方法的有效性。     

基于全局注意力引导的肺结节分割方法

肺结节的精确分割能有效地辅助医生的治疗诊断工作,但由于不同患者所呈现的肺结节病灶形式多种多样,基于传统专家系统和统计学习的方法难以获得准确的肺结节分割结果。针对这种情况,提出一种由全局注意力引导的注意力机制,达到了从一张完整的胸部影像切片中自动定位并分割出肺结节的效果。该方法首先对目标区域进行肺实质分割,再利用区域建议网络（region proposal network,RPN）进一步缩小感兴趣区域,并生成注意力权重图,最后使用融合了残差网络（residual network,ResNet）与卷积长短期记忆网络（convolutional long short-term memory,ConvLSTM）的结构结合注意力权重进行肺结节分割。将所提方法在肺图像数据库联盟（lung image database consortium,LIDC-IDRI）数据集上进行了全面的评估,结果表明,本文方法分割结果的平均dice得分（标准差）为89.97%（8.9%）,具有出色的分割性能,精度相较其他方法取得一定提升。进一步在相同数据集上将所提方法的肺结节分割结果与4位放射科医生的手工标注结果进行了比较,结果表明本文方法的分割结果与医生们的标注结果的一致性达到了85.81%,相较于医生们手工标注之间的一致性高出了3.39%。     

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...     

基于分水岭算法的双向凝胶电泳图像分割

采用分水岭算法对电泳凝胶图像进行分割,针对其存在的过分割问题以及图像本身的特点,提出了根据拓扑曲率对过分割区域进行合并,以得到有意义的分割结果。用本算法对电泳图像进行了分割实验,结果表明,用本算法适用于电泳图像,并且效果良好。     

基于标记分水岭算法的高分辨率遥感图像分割方法

由于Quickbird等高分辨率遥感图像信息分布的特殊性,一些面向视频(或自然)图像分割方法并不完全适合于高分辨率遥感图像的分割.基于标记的Watershed图像分割算法是一种改进的分水岭算法, 它很好地被应用于人脸及其他一些场景图像的分割.把该方法引入高分辨遥感图像的分割,并针对遥感图像的特点,在分割之前采用中值滤波对高分辨率遥感图像进行预处理;同时,在分割过程中采用用小波滤波器替代Butterworth滤波器对梯度图像的低通滤波.不同地物特征的Quickbird图像的分割实验表明,对于纹理比较均一的高分辨率遥感图像,该方法避免了过分割现象,且效率较高;但对于纹理比较复杂的图像,该方法具有一定的局限性.     

基于多尺度改进的V-Net肺结节分割方法研究

近年来基于深度模型分割已成为肺结节分割的主要方法,但多数深度模型的精度与轻量性难以共存,且大模型不利于方便部署.为了得到一种轻量级且尽可能不损失精度的模型,提出了一种基于M-VNet的肺结节分割方法.该网络总体设计继承V-Net结构,并添加了不同深度路线平衡细节信息和语义信息,使用路线注意力机制进行高效融合.M-Blo...     

基于分水岭变换的图像分割方法

针对基于分水岭变换的分割算法通常存在过分割现象,提出了一种新的分割算法,采用形态学的运算去除噪声及背景像素的影响,搜索区域极大值点,将分割定位于目标图像,从而达到很好的分割效果,方法从消除过分分割及区域轮廓定位等方面均具有很好的分割效果．     

基于局部最大距离的孤立点检测算法的研究

孤立点检测是数据挖掘研究中的一项重要内容,其目标是发现数据集中行为异常的数据对象．本文在局部稀疏系数算法的基础上提出了基于局部最大距离的局部孤立点检测算法,该算法提出检测孤立点只需计算它的最近邻居对象的最大距离．实验结果表明,该算法发现局部孤立点是高效的。     

基于分水岭算法的气泡图像分割

针对水中气泡图像的特点,设计了由反色,低通滤波和降低图像灰度级构成的预处理方法,使用基于形态学理论的分水岭算法对气泡图像进行分割,较好地从掺气水流图像中提取出了气泡。与常用的全局阈值法相比较,本研究方法具有精度高,能自动分割粘连气泡的优点。     

基于相似系数和的孤立点检测算法

简要介绍了一个基于相似系数和的孤立点检测聚类算法,指出了它的局限性,在此的基础上,文中提出了一个改进的算法.算法的思想是,对数据集进行标准化,然后构造一个相似系数矩阵,通过对象的相似系数之和判断对象的孤立程度.改进后的算法除了可以检测出倍数异常孤立点外,还可以检测出分量异常孤立点.     

基于改进分水岭算法的球团矿图像分割

针对传统图像分割算法不能对球团矿图像中粘连球团进行准确有效分割的问题,提出一种改进的分水岭分割算法。该算法将标记和分水岭算法结合起来,利用标记带来的先验知识限定图像分割区域的数目,并对分水岭算法的梯度图像进行修改,从而能够对球团边缘准确分割,同时避免产生过分割现象。实验结果表明,改进分水岭算法对图像中粘连球团的边缘有良好的分割效果。