基于相位的C-V模型乳腺超声图像分割方法

为了提高乳腺超声图像分割的准确率,提出了一种基于相位特征的C-V模型超声图像分割方法.首先,采用LOG-Gabor滤波器对超声图像进行6个不同方向的滤波,提取最大能量所对应的相位信息,得到超声图像的相位特征.然后,采用SRAD方法对超声图像降噪,并将降噪后的图像与相位特征点乘,增强图像目标与背景的对比度.最后,运用C-V模型的分割算法识别图像中的目标区域,并采用腐蚀方法使目标区域边缘完整、平滑.实验结果表明,与基于灰度的C-V模型、GAC模型以及基于相位特征的人工神经网络方法相比,利用该方法分割乳腺超声图像,分割的精确度明显提高,达到92.40%.     

心脏多层CT数据中冠状动脉中轴的提取

提出一种冠状动脉跟踪算法,算法以局部血管模型为基础,采用三维几何矩、多尺度Hessian矩阵分析以及血管滤波算子,估计最优尺度下血管的中轴点坐标、尺寸及方向。算法采用跟踪策略以改进其效率,由初始种子点出发,依次提取冠状动脉血管的中轴点,最终构成冠状动脉血管树。分叉点检测算法能够有效地检测出可能的分叉点,并提取分支血管的种子点坐标。实验结果表明,算法能够有效地提取多层CT数据中的冠状动脉中轴线。结合估计的血管尺寸,三维模型能清楚地显示冠状动脉的解剖结构。同时算法有较高的计算效率,在普通的PC平台上,其运行时间能够控制在数分钟内。     

基于Zernike矩和水平集的超声图像分割

为了提高超声图像的分割精确率,提出了一种基于Zernike矩和水平集的超声图像分割方法.首先,利用9个具有不同阶数和重复度的Zernike矩提取超声图像的纹理特征,保留矩的幅值和相位,获得18个特征图,同时在每一特征图目标区域内外采样,利用采样值计算出特征图的权值.然后,将特征图与高斯算子进行卷积,计算其边缘检测函数,将所有特征图的边缘检测函数与对应的特征图权值相乘,所得结果之和即为该超声图像的边缘检测函数.最后,利用基于变分函数的水平集方法对超声图像进行分割.基于前列腺超声图像的实验结果显示,相比基于梯度的水平集方法和基于Zernike矩幅值的水平集方法,所提方法具有更高的分割精度,dice相似系数达到95%以上.