基于ITK实现Canny边缘Level Set图像分割方法

根据医学图像的特点,在医学图像分割与配准算法研发平台ITK基础上,结合了Canny边缘检测和Level Set方法实现了对医学图像的分割。实验结果中,边界的平滑性得到了保持,医学图像中常见的解剖结构和拓扑结构得到了很好的处理,同时也提高了算法的鲁棒性。     

医学图像分割处理技术的应用

医学图像分割是对医学图像进行三维重建操作的基础,本文阐述了医学图像分割处理技术的应用发展状况,对医学图像分割处理技术的类别及目前常用的分割方法进行了综述,并对医学图像分割处理技术的发展趋势进行了研究探讨.     

医学图像分割方法综述

医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题。本文在对国内外医学图像分割相关文献进行研究总结的基础上,对国内外常用医学图像分割方法的基本理论和特点进行了较为全面的论述,对各种分割方法的优缺点及其应用效果进行了总结。     

医学图像分割方法综述

医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题.本文在对国内外医学图像分割相关文献进行研究总结的基础上,对国内外常用医学图像分割方法的基本理论和特点进行了较为全面的论述,对各种分割方法的优缺点及其应用效果进行了总结.     

基于距离场的非线性图像插值分割方法

对于医学序列切片,需要图像分割技术将图像中感兴趣区域ROI(region of interest)提取并进行三维重建.提出一种基于距离场的非线性图像插值分割方法,该方法克服了软组织因灰度值分布不均匀难分割的问题,可以快速提取ROI区域.实验表明用该方法进行医学序列切片的分割,可以得到良好的分割结果,并已成功地应用于医学数据的三维重建系统中.     

基于环形分割的医学图像检索

针对医学图像全局特征检索不能很好地体现局部特征,而基于分割后各区域特征的检索又过分依赖于复杂的图像分割算法,提出了环形划分图像的分割方法.在基于环形分割的条件下,分别提取医学图像的颜色和纹理等内容特征,并在此基础上,实现医学图像检索.试验表明,基于环形分割的医学图像检索能够较好地体现图像所记录的颜色空间信息,而且具有旋转偏移不变性的特点,大大提高了医学图像检索的正确率与查全率.     

图像分割技术在医学图像处理中的应用研究

图像分割是图像处理、图像分析的关键步骤,而医学图像分割是图像分割的一个重要的应用领域,也是一个经典难题。从应用的特定角度,论述了医学图像处理中图像分割的几种算法,对近年来医学图像分割的新方法或改进算法进行了阐述,并简要介绍了每种算法的特点及应用。     

医学图像分割研究概况

本文综述和讨论了近年来的医学图像分割技术现状,并对其进行分类,同时讨论了每类分割方法的特点,展望了医学图像分割的前景。     

利用图像先验知识与Snake结合对心脏序列图像的分割

核磁共振医学图像的分割在医学诊断中具有重要的意义，针对心脏的核磁共振切片图像的心室分割，提出将图像先验知识与Snake相结合的方法，克服了Snake方法分割的不足，获得了优于原方法的分割效果。     

图像分割方法综述

图像分割是图像处理中的一项关键技术,自20世纪70年代起一直受到人们高度重视,并在医学、工业、军事等领域得到了广泛应用。文中分三类对近年来具有代表性的图像分割方法进行了介绍：基于区域的分割、基于边缘的分割和基于特定理论的分割方法。     

基于Level Set方法的Visible Human Being虚拟人图像处理

提出了将基于区域的VectorConfidenceConnected的低级分割方法和基于边界的LevelSet高级分割方法相组合的分割方法,使得边界的平滑性得到了保持;既有效地结合了医学专家的医学背景知识,又提高了分割处理的速度,很好的处理了医学图像中常见的拓扑结构,实验结果表明该方法切实可行。     

一种基于遗传神经网络的医学图像分割方法

针对一类具有纹理特征的医学图像,提出一种结合纹理信息,利用遗传神经网络的图像分割方法。该方法以混合递阶遗传算法优化径向基神经网络,同时优化其结构及参数。试验表明,该方法应用于生物医学图像,能够区分图像不同的纹理区域,获得较好的分割效果。     

一种基于视觉感知的复合医学图像分割算法

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.     

基于数据网格的肝脏CT图像感兴趣区域分割

通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。     

低对比度医学图像全自动分割算法

由于医学图像的对比度较低以及各种组织器官的边缘往往较为模糊,医学图像的分割是医学图像处理中的一个经典难题。如果能将各种分割对象的先验信息加入到分割算法中,将会改善分割效果。针对CT图像中的前列腺器官分割问题,利用水平集函数获得初始分割轮廓,结合从手工分割图像中获得的形状和纹理先验信息,采用遗传算法来演化分割轮廓。仿真实验结果证明该方法能有效地分割出低对比度的医学器官。     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明, 该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

基于医学影像数据的图像分割方法研究述评

医学影像分割是提取影像中感兴趣的物体或特殊组织,对病变组织进行定性和定量分析。本文从医学应用的角度,简要介绍了几种经典医学图像分割方法的原理并对其进行医学影像分割的特点进行了分析。     

基于改进的区域生长鼻咽癌MR医学图像分割

在综述医学图像分割技术的基础上,针对临床鼻咽癌MR医学图像的特点,提出一种基于区域生长的改进分割方法.该方法从基于区域生长的自动分割入手,克服以往交互式地定义初始种子的不足,利用概率矩阵完成初始种子的自动生成,再运用SUSAN算子作为区域生长的终止准则,从而实现对鼻咽癌MR医学图像的有效分割.以福建肿瘤医院临床医学图像数据进行分析实验,结果表明,该方法分割效果显著提高.     

样条几何形变模型及其在CT图像分割上的应用

根据医学图像分割的特点，建立了一种样条几何形变模型，它表示为一个有序的用边线连接的顶点集合，其有序的顶点集合组成顶点模型，有序的边线集合组成边线模型，两者通过形变模型的二阶连续性紧密地结合在一起，样条几何形变模型能够获得平滑而连续的对象描述，适合于形状复杂的解剖结构，将其用于肝脏CT图像分割，结果表明，模型具有很好的收敛性和描述效果。     

基于多agent系统的医学图像进化分割算法的研究

在进行医学图像分析时,很多研究对象（如大脑、心脏等）在图像中并没有明显的边界,属于自然纹理图像,不同组织间也没有清晰的分界线,在这种情况下,图像分割的任务非常困难.本文基于多Agent思想提出了进化分割算法.该算法将Agent设计为具有4种行为的计算实体,它驻留在医学图像的二维网格中,利用先验知识指导其行为的演化.通过在人脑核磁共振（magnetic resonance,MR）图像分割和异常脑细胞的识别实验,与最大似然（maximum likelihood,ML）分割和构形梯度平方残差（conjugate gradient square,CGS）分割比较,本文的方法更适合临床.