一种基于轮廓监督的动态规划乳腺X线影像肿块分割算法

肿块分割是基于乳腺X线影像的计算机辅助诊断系统的重要环节。良好的分割结果能够更好地反映肿块的病理特征。为后续可疑区域的特征提取和分类提供依据。已有大量文献探讨肿块的分割算法。基于动态规划（DP）的肿块分割算法结合了肿块的边缘信息,以及灰度和大小等先验知识。传统的基于DP的算法自适应性和鲁棒性不足。为克服这些缺点,提出一种基于轮廓监督的动态规划方法,该方法首先使用对比度受限的自适应直方图均衡增强肿块感兴趣区（ROI）的对比度,并使用高斯掩膜掩蔽外围组织;然后。将肿块ROI变换到极坐标,结合肿块的边缘、灰度和大小信息计算局部代价。并根据局部代价矩阵计算累积代价矩阵：最后,在基于动态规划的轮廓跟踪过程中,引入轮廓监督机制。避免周围组织和对比度不足的影响。本文对比了改进后算法与传统算法的分割效果。实验结果表明,高斯掩蔽和轮廓监督的引入,有效地掩蔽了肿块周围组织,避免了轮廓偏离。该算法提高了肿块分割准确性。且具有更好的鲁棒性。     

基于Half-UNet的乳腺肿块分割方法

乳腺癌是常见的高发病率肿瘤疾病,乳腺肿块分割是乳腺肿瘤分析的重要步骤.为了在保证乳腺肿瘤分割精度的同时提高分割效率,提出了一种基于Half-UNet的乳腺X线摄片图像分割方法 .该方法保留了U-Net中分而治之的部分,简化了特征融合的方式.固定U-Net编码器各步骤的特征图通道数以减少网络复杂度的同时有利于解码器的特征融合,并对编码器中的卷积操作增加了he＿normal和L2正则化,提升网络性能且缓解网络的过拟合现象.对U-Net解码器的网络结构进行简化,减少网络模型的参数量和训练时间.在DDSM数据集上的实验结果表明：Half-UNet在获得与U-Net、UNet3+模型相近的分割精度的情况下,训练时间相对于U-Net和UNet3+缩短了41.66%和83.33%,显著提升了分割效率.     

乳腺X线图像肿块建模与分割

提出了一种基于模型分析与均值漂移聚类的乳腺肿块分割方法. 该方法根据肿块的临床特征表现建立了肿块的数学模型,并通过多重滤波实现肿块的准确定位. 在此基础上,结合均值漂移算法获得的像素点集合,筛选出初始肿块. 最后利用无边缘活动轮廓模型准确分割出肿块. 实验采用通用的MIAS数据库进行算法性能测试,结果表明本文方法在保证较低假阳性率的同时,肿块检测真阳性率高于形态学成分分析方法. 此外,本文方法分割出的肿块边界完整,可满足临床检验与诊断需求.      

基于小波分析和遗传算法的乳腺X线图像分割

首先运用维纳滤波对X线图像进行处理,可以有效地去除图像中的伪影和噪音。其次,利用多尺度小波对图像进行增强,有利于分割过程中取得更好的效果。最后,用小波变换对图像直方图进行处理,并根据遗传算法对图像中的疑似肿块进行分割。实验表明,该算法能更加快速、清晰地分割出肿块。     

基于分层多模板匹配的乳腺肿块自动检测

为提高乳腺癌检测的精准度和效率,提出了一种基于多模板匹配的乳腺X线摄片肿块自动检测方法.该方法设计了一种基于灰度直方图先验信息的阈值分割法来提取乳房区域;构造了不同尺度的模板对肿块进行分层匹配;对匹配结果提取了灰度、形态学及层间特征以便尽可能地去掉假阳性区域.与DDSM数据库中的已确诊的306幅乳腺X线射片进行了比较,实验结果表明:该算法在检测各种不同类型和尺寸的肿块时,具有高敏感度和低假阳性率.     

基于标记控制分水岭算法的乳腺X线摄片分割

乳房区域提取是基于乳腺X线摄片的计算机辅助诊断中的关键步骤。它能够将病灶的检测范围限定在乳房区域之内,减少背景区域的干扰,从而提高诊断效率。针对乳房区域边缘处的灰度与背景区域很接近,难以区分的问题,提出一种基于标记控制分水岭算法的乳房区域分割方法。首先对图像进行形态学平滑并计算梯度图;然后,基于改进的Otsu阈值法及形态学方法确定内部标记和外部标记;最后,在内外标记的控制下对图像进行分水岭分割。采用多种评估方式将算法的分割结果与金标准进行对比,其重叠率达到0.93±0.03,结果表明该算法能有效提高乳房区域分割精度。     

基于全卷积神经网络迁移学习的乳腺肿块图像分割

针对乳腺X线摄片中肿块通常会被周围致密组织所掩盖,对比度低,且其形状不规则,肿块图像分割困难的问题,设计了一种基于全卷积神经网络迁移学习的乳腺肿块图像分割方法.该方法首先对乳腺肿块图像进行数据增强,然后利用迁移学习,对设计的全卷积神经网络模型载入参数并训练分割模型,最后在训练好的模型上对待分割图像进行处理.分割结果采用区域面积重叠率、Dice相似系数、Hausdorff距离等指标进行评价分析,在公开数据集的483幅图像上的实验结果表明:提出的方法的分割效果明显优于传统分割算法.     

基于SVGG16的乳腺肿块图像识别

针对基于深度学习的乳腺X线摄片肿块识别过程中的特征冗余问题,对VGG16进行了改进,减少模型中卷积层和卷积核的个数,提出一种精简的卷积神经网络模型SVGG16,用于感兴趣区域中肿块的识别.同时,为避免网络模型受小样本量限制出现过拟合现象,通过旋转与翻转操作对感兴趣区域进行数据增强.通过实验对网络模型的性能进行评估,结果...     

基于改进残差U-Net的乳腺肿块图像分割方法

针对乳腺钼靶图像中肿块体积小且常被致密组织掩盖导致肿块分割精度较低的问题,提出一种基于复合加权损失函数的U型对称残差语义分割模型SRes-Unet:首先将含有残差结构的卷积模块嵌入U型网络架构中,提升模型整体的特征提取能力;其次,为了解决乳腺图像中因背景较大造成像素类别严重不平衡问题,利用复合型wBCE_DiceLos...     

格式塔心理美学与语篇翻译构建

译语语篇应是一个有机整体.格式塔心理美学的整体现和格式塔质对语篇翻译有着切实的指导意义.它既能统观全局又能细致入微地指导翻译的整个过程.它着眼于译语语篇的整体形似和整体神似,能使语篇重建达到形神兼备、和谐统一的效果.格式塔心理美学观指导下的语篇翻译是个认知的动态的过程,是个重建源语语篇格式塔的过程.     

基于网页分块的Shark-Search算法

Shark-Search算法是一个经典的主题爬取算法. 针对该算法在爬取噪音链接较多的Web页面时性能并不理想的问题, 提出了基于网页分块的Shark-Search算法, 该算法从页面、块、链接的多种粒度来更加有效的进行链接的选择与过滤. 实验证明, 改进的Shark-Search算法比传统的Shark-Search算法在查准率和信息量总和上有了质的提高.     

视频图像火焰区域分割算法

主要研究室外具有复杂背景环境中的视频图像火焰区域分割算法．在充分研究视频图像火焰运动特性并考虑实际应用环境的基础上,提出了一种基于多均匀分布背景模型的运动检测算法,以此来实现视频图像中火焰区域的分割．该方法能够克服复杂背景环境带来的干扰,达到很好的火焰区域分割效果,且具有良好的实时性．该方法不仅适用于火焰区域分割,对智能视频监控系统中其他功能的运动检测也有很好的借鉴意义．     

一种基于各向异性扩散的图像分割算法研究

针对煤矿井下图像对比度小、纹理不清晰和数据量大等问题,根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,提出一种基于各向异性扩散的图像分割算法．首先在图像分割前对原图像进行各向异性扩散运算,在消除原图像噪声的同时,更好地划分了图像的边缘和纹理区域;然后提取图像的纹理特性运用到聚类算法中,从而对图像进行分割．实验证明：与未经扩散处理的分割算法相比,基于各向异性扩散的图像分割算法不仅改善了分割效果,而且提高了计算速度．     

基于改进C-V模型乳腺癌MR图像分割

在乳腺癌MR图像分割中,传统C-V模型没有充分利用图像边界曲率信息,需要重新初始化水平集函数使其保持为一个符号距离函数(SDF),导致图像分割比较慢,同时目标区域易产生过度分割.为此,通过在传统的C-V模型中引入惩罚能量项和全局边界曲率能量项,提出一种改进的C-V模型图像分割方法,克服了水平集函数需要重新初始化和目标区域易产生过度分割等问题.实验表明,改进的C-V模型对乳腺癌MR图像具有较好的分割效果,分割收敛速度较快.     

基于上下文特征的视网膜血管分割算法

针对视网膜血管分布复杂且多变,提出一种基于上下文特征提取的视网膜血管分割算法。首先通过霍特林变换(Karhunen-Loeve, K-L)生成灰度图并经过预处理增强对比度。然后经过局部信息熵进行采样。该网络编码部分的多感受野残差编码模块在兼顾速度的同时对特征进行充分的提取。同时底部的特征融合模块由非对称融合非局部模块和非对称金字塔非局部模块两部分组成,用于融合图片的上下文特征。而解码部分由多个微型U型网络组成,保证将底层特征和高层映射特征有效融合并进行深层次的再提取。本文算法在血管分割的数字视网膜图像数据集(digital retinal image for vessel extraction, DRIVE)数据集进行仿真,准确率为96.45%,特异性为98.37%,敏感度为82.7%,实验结果表明能有效地分割视网膜血管。     

在遗传算法基础上的自动阈值选取方法

将遗传算法用于图像分割.利用遗传算法自动在搜索空间内快速寻优的特点确定阈值,对图像进行分割.实验结果表明该方法具有较高的收敛速度和良好的分割质量.     

基于稀疏度差异的快速版面分割方法

为简化版面分割方法、提高检测效率,提出了一种基于稀疏度差异的快速版面分割方法.将稀疏度作为版面区域的特征描述,根据内容及背景区域间稀疏度的差异进行均值分类,得出各区域的类别标签,实现版面分割.在复杂版面图集上得到74.1%的识别率和1.61s的平均计算时间,表明方法有效且快速,较改进的基于连通域的版面分割方法,过程简单,计算简便,具有更好的适用性.     

基于改进贝叶斯优化算法的图像分割方法

图像分割是图像处理和计算机视觉的重要研究领域.在此将基于免疫机理的改进贝叶斯优化算法应用于图像分割,利用其较好的寻优能力搜索到图像的最佳阈值,达到较好的图像分割效果,并拓展了算法的应用领域.仿真结果表明,改进贝叶斯优化算法可以获得更好的图像分割效果及更低的计算量.     

基于HMRF的半监督中智聚类算法

针对中智C-均值聚类算法抗噪能力弱的问题,提出基于隐马尔科夫随机场的半监督中智聚类分割算法.利用隐马尔科夫随机场模型的先验信息描述图像像素邻域关系,将其与隶属度相结合作为监督因子,嵌入现有中智聚类并构造半监督中智聚类目标函数;将欧式空间样本通过非线性变换用核函数映射至高维特征空间,增强图像的抗干扰能力;最后采用最优化方法获得隐马尔科夫随机场的半监督核空间中智聚类分割的迭代表达式.对灰度图像添加高斯和椒盐噪声进行分割测试,以验证算法性能.测试结果表明:所建立的分割算法相比基于隐马尔科夫随机场的模糊C-均值聚类等分割算法的抗噪性能有了显著提高.