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。     

胸部高分辨率CT片中肺实质的自动分割

以早期弥漫性肺疾病的高分辨率CT图片为研究对象，针对图片本身的特点，提出了一种新的肺部全自动分割法。该方法结合了阈值技术和区域生长技术。它首先将待处理源图像二值化，并根据用Sobel算子抽取出的躯干边缘，得到纯粹的躯干部二值图像。在中值滤波去噪后，对其中黑白区域分别进行连通域标记，并将面积较小区域（如气管等）的像素值取反。最后再经形态滤波得到肺部精确的模板。该算法能自动支除气管/支气管对应的图像区域，并将对阈值选取的敏感性和所需的人机交互减小到最低限度。     

一种改进的CT胸部图像肺组织分割方法

为了对病变肺部图像进行准确分割,对通常的肺组织分割算法进行了分析和改进,将小波变换与数学形态学引入肺分割算法.通过小波变换对图像进行分解,再运用数学形态学对分解后的各个分量执行不同的修补方法:对低频分量作形态学闭运算,对高频分量作形态学开运算;从而在适当的尺度修正图像的基本特征而不影响细节特征,在重构之后获得理想的肺区域.利用改进后的算法,对医院的36组临床HRCT数据进行分割,并与手工分割结果和通常算法的分割结果进行了比较.结果表明,该方法分割结果准确,能有效提高肺组织分割的平均敏感性.     

基于CT图像的肺实质细分割综合方法

肺实质的分割是肺结节检测和诊断的基础,是肺部疾病计算机辅助诊断的关键步骤之一。针对肺部计算机断层扫描（computer tomography,CT)图像,采用最佳阈值法进行初步分割,去除背景,用结合上下文分析的区域生长法去掉气管、支气管,对左右肺连结的情况进行像素分析,分开左右肺,对提取出来的肺区用滚球法进行修复,得到肺实质图像。去除气管和分割左右肺的算法是针对肺部CT图像的特征提出的,具有简单高效的特点。实验表明,该综合方法的准确性和可靠性较高,有较好的应用前景。     

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。     

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。     

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。     

一种高度自动化的三维CT数据腰椎分割方法

针对现有分割方法,分别存在无法完全分割、不能适应所有数据或过多的手动干预等局限性问题,提出了一种用于CT图像单节腰椎分割的新方法.首先从CT图像中分割整条脊椎,然后再分别断开单个椎体和椎小关节,从而使待分割的一节腰椎与其他部位分离.利用人造数据和真实数据对本方法进行了评估,结果显示本法可以高度自动化地分割任意单节腰椎.本方法是医生进行辅助诊断的重要方法,在相关领域的研究中具有广泛意义.     

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CT图像的全髋关节置换辅助诊断算法

计算机辅助诊断算法是医学图像处理领域的研究热门。全髋关节置换前医生需要手动对比CT与股骨柄图像进行诊断。提出了一种基于CT图像的人工髋关节置换辅助诊断算法。首先统一CT图像与人工髋关节图像的度量,然后通过图像处理提取CT中股骨头中心与股骨干轴线作为内部基准,最后根据基准对人工髋关节图像进行几何变换,与CT图像融合后以模拟植入后效果,辅助医生诊断。实验结果表明,该算法能够准确地将人工髋关节图像与CT图像配准。     

几种图像分割算法在CT图像分割上的实现和比较

对目前几种在图像分割领域得到较多应用的交互式分割、区域生长分割以及阈值分割算法进行了探讨,并且结合实际ＣＴ片图例分别进行分割实验研究,得到较为满意和可用性强的结果,实验表明：瓶值分割对于ＣＴ切片的效果最好;区域生长分割适宜于对面积不大的区域进行分割分割效果了;基于动态规划的交互式分割算法比较复杂,计算时间较长,但对于边缘较平滑的区域,同样具有较好的实际效果,几种算法的评估为其在ＣＴ图像分割上的实际应用提供了科学依据。     

基于改进的大津方法与区域生长的医学图像分割

提出了一种自动分割边缘模糊图像的新方法.该方法利用小波变换对图像进行压缩与多解像度分解,通过强调各解像度上高周波成分的极值进行图像锐化;利用邻域平均与中值滤波方法对图像进行平滑;利用改进的大津方法与多种子投票机制的区域生长方法进行图像的自动分割;根据分割效果对阈值进行迭代控制;通过自动分割的区域与影像医生手动分割区域的误差、平均最短距离进行自动分割效果的评价.将本方法应用于实际的30幅边缘模糊的腹部MRI图像,证明了其对复杂图像分割的有效性.