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.     

基于三维区域增长和灰度积分投影法的肺实质分割

为了提高肺结节计算机辅助检测、辅助诊断的准确性,研究精确分割肺实质方法。首先,采用Otsu法实现阈值法粗分割;其次,设计三维区域增长方法有效去除粘连在肺实质上的主气管和支气管树;再次,采用灰度积分投影法以及行扫描方法对左右肺粘连的情况进行判别和处理,实现左右肺分离;最后,用滚球法修复肺区边界,实现肺实质分割。该方法有效解决了肺实质分割中粘连肺实质的气管、支气管树去除问题,高密度的肺部组织易丢失、粘连肺壁的肺结节容易被遗漏等问题。通过对多组LIDC-IDRI肺部图像数据集的实验表明,该方法能够精确高效地实现对于肺实质分割。     

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...     

基于改进的蒙特卡洛肺结节体积测量算法的研究

肺结节的三维可视化及其体积大小的变化,有利于医学研究和临床诊断。提出一种改进的基于蒙特卡洛的肺结节体积测量算法,首先对肺部二维图像进行预处理,然后区域聚类分割得到肺实质并三维重建,接着使用三维区域增长法分割得到肺结节,最后采用改进的蒙特卡洛方法测量肺结节的体积。初步的实验结果表明,提出的算法与传统的蒙特卡洛(MC)和拟蒙特卡洛(QMC)算法相比较,测量得到的肺结节体积更加接近真实值,且相对误差最小,表明本文算法的优越性。     

基于复合超像素技术的肺部CT图像分割算法

基于肺部CT图像灰度不均匀、纹理变化大的特点,文章提出一种超像素与随机森林相结合的肺部CT图像分割算法。该算法首先采用阈值和形态滤波的方法对图像进行预处理;再通过TurboPixels算法将图像分割为超像素;然后运用灰度共生矩阵提取超像素的纹理特征,并融合灰度特征形成特征矩阵;最后基于特征矩阵和随机森林算法获取分割图像。实验结果表明,该文提出的分割算法对肺部CT图像处理具有一定的有效性,健康肺部图像的分割准确率为98.07%,病变图像的准确率为96.23%,且该算法具有全自动、高准确率、鲁棒性好等特点。     

基于多尺度形态学滤波的CT图像疑似肺结节提取

CT图像中疑似结节病灶区域的分割和提取是肺部CAD系统的关键和难点.研究一种基于肺结节几何特征的多尺度形态学滤波的疑似结节区域提取算法,构造了一组不同尺度的类圆形结构元素进行形态学滤波.经过多尺度处理,不同大小的疑似肺结节区域得到增强和突出,气管、血管等线形解剖组织得到了削弱和抑制,结构元素的几何参数及二值化阈值参数的选取不需要人工设置.实验结果表明,该算法可以较好地实现不同大小疑似结节区域的自动提取.     

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%。     

均值漂移带宽选取新方法及其在分割肺结节中的应用

针对肺结节与周围组织相连且边缘模糊造成分割困难的问题,提出一种新的均值漂移(meanshift)带宽自动选取方法并采用均值漂移算法解决结节分割.与基于统计分析规则的带宽选择方法相比,该方法时间复杂度低,且能得到符合实际问题的正确带宽参数.应用带宽选择定理确定带宽参数的初始值,利用尺度空间滤波聚类理论的最稳定尺度准则确定最佳的自适应带宽参数.该方法对毛玻璃型、粘连血管型、贴胸壁型和各向异性型进行评估实验,都取得了正确的分割结果.结果表明,该方法对分割结节是有效的.     

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.     

一种淋巴组织结构彩色病理图像自动分割算法

提出了基于约简纹理谱特征值的分割方法.首先,对淋巴组织结构病理图像进行特征分析,利用约简纹理谱特征及形状特征,分离出各组织结构,同时进一步提高滑动窗口的纹理谱计算方法;然后对淋巴小结采用灰度分割算法,分离出细胞核、胞浆等.实验证明,该方法简单快速,能对彩色淋巴组织结构病理图像进行有效的分割.     

基于水平集分割方法的医学图像三维重建

为了提高医学图像处理对疾病辅助诊断和治疗的效果,提出一种新的基于先验形状的水平集方法,对多张脊柱CT切片进行分割,并将其分割结果进行三维重建。首先使用核主成分分析算法对训练样本进行降维,并用水平集来表达主成分作为先验形状;然后对水平集形状样本均值进行形态学处理,从而获得分割的初始轮廓;最后将初始轮廓引入RSF模型来构造新的总能量泛函,并依此对形态学预处理之后的每一张CT图像进行分割,进而根据分割结果进行三维重建。实验结果表明,新方法对多张CT切片的分割比传统分割方法具有更优的分割效果和更高的分割效率,能够精准地进行椎骨重建,指导脊椎的矫正手术。     

Segmentation of tumor ultrasound image via region-based Ncut method

To segment the tumor region precisely is a prerequisite for ultrasound navigation and treatment. In this paper, a normalized cut method to segment tumor ultrasound image is proposed by means of simple linear iterative clustering for presegmentation procedure. The first step, we use simple linear iterative clustering algorithm to divide the image into a number of homogeneous over-segmented regions. Then, these regions are regarded as nodes, and a similarity matrix is constructed by comparing the histograms of each two regions. Finally, we apply the Ncut method to merging the over-segmented regions, then the image segmentation process is completed. The results show that the proposed segmentation scheme handles the strong speckle noise, low contrast, and weak edges well in ultrasound image. Our method has high segmentation precision and computation efficiency than the pixel-based Ncut method.