首页 > 文献资料
-
应用FCM对磁共振多谱图像分割的探讨
本文利用磁共振图像的多参数性,应用模糊C均值法(fuzzyc-means,FCM)对磁共振多谱图像进行自动分割处理.使分割图像效果高于用FCM方法对单幅磁共振加权图像的分割结果.从而能更精确地对磁共振图像进行空间定位.
-
胸部CT中肺实质的自动分割及粘连肿瘤检测效果
目的 探讨胸部CT中肺实质的自动分割及粘连肿瘤检测效果.方法 回顾性分析2015年7月至2016年9月在医院行胸部CT患者40例的临床数据,通过二维区域生长反操作、连通区域判别等方法 获取肺实质区域,之后进行肺实质边界修复.比较本研究算法和曲率分析及滚球法的适用性、速度、分割精度及算法时间复杂度.结果 曲率分析法和本研究算法均可成功修复受损的肺实质区域,获得完整的肺实质及粘连肿瘤图像,本研究算法速度及算法时间复杂度较滚球法及曲率分析法明显减少,差异有统计学意义(P<0.05);3种方法 分割精度比较,差异无统计学意义(P>0.05).结论 胸部CT可确保自动分割包含肿瘤的肺实质区域的实时性、准确性及完整性.
-
一种基于DICOM序列影像的肺结节ROI自动检测方法
本文是以DICOM标准的肺部序列影像为研究对象，将CT图像序列分割提取获得肺实质模块，再获取种子区域进行优化分割，后通过ROI检测提取肺部特征信息并进行分类，从而达到肺结节ROI自动检测的目的。实验结果表明本文算法对微小结节特别是3m m以下的结节敏感性不高，而直径大于5m m的结节检出较为准确。实验中出现假阳性结节的个数较多，说明所选特征向量与判别分类标准比较严格，分类器的一些参数需要进一步优化，以达到更高的检出率及更低的漏检率。
-
基于图谱的肝脏CT三维自动分割研究
目的 在肝脏外科手术或肝脏病理研究中,计算肝脏体积是重要步骤.由于肝脏外形复杂、临近组织灰度值与之接近等特点,肝脏的自动医学图像分割仍是医学图像处理中的难点之一.方法 本文采用图谱结合3D非刚性配准的方法,同时加入肝脏区域搜索算法,实现了鲁棒性较高的肝脏自动分割程序.首先,利用20套训练图像创建图谱,然后程序自动搜索肝脏区域,后将图谱与待分割CT图像依次进行仿射配准和B样条配准.配准以后的图谱肝脏轮廓即可表示为目标肝脏分割轮廓,进而计算出肝脏体积.结果 评估结果显示,上述方法在肝脏体积误差方面表现出色,达到77分,但在局部(主要在肝脏尖端)出现较大的误差.结论 该方法分割临床肝脏CT图像具有可行性.
-
基于改进凸包算法的肺实质分割研究
肺实质的精确分割一直都是肺部疾病计算机辅助诊断的重要研究内容,传统的分割方法大多只能分割出不包含病灶的肺实质区域,为后期的图像分析与辅助决策带来很大的影响.针对具有边缘型肺结节的肺部CT图像,提出一种实现简单且实验效果较好的肺实质分割算法.首先,利用常规方法提取肺实质的粗略轮廓;然后,针对上一步骤中肺实质病灶信息等的缺失现象,提出一种改进的二维凸包算法对肺实质的外轮廓进行再修复;后,利用区域生长和形态学运算,修复肺实质的内部轮廓.运用新算法,对200张边缘型肺结节的肺部CT图像进肺实质分割.实验结果表明:与已有的“滚球法”和凸包算法修复肺实质相比,新算法具有较高的准确率,可以达到90％以上,边缘型肺结节等病灶信息能被较为准确地表示出来,为建立高效的肺部疾病诊断系统奠定基础.
-
基于视觉显著性和图割优化的图像自动分割
图像分割是从图像处理到图像分析理解的关键一步,考虑到目前越来越大的图像数据量,该文章提出了一种利用视觉显著性和图割优化的图像自动分割方法.已有的图像分割方法多涉及人工交互,通过人力选取图片背景和前景像素进而对图片进行分割,基于此,作者想到结合图像显著性和高斯混合模型代替人工交互部分,并利用图割优化算法对图像进行自动分割,省去人工参与,可以更有效率地处理大量数据.实验表明,该方法可以快速有效地将图片中目的物体从背景中分割出来.
-
CT图像中肺实质的自动分割
目的 为解决肺实质分割中肺部结节及高密度血管易遗漏的问题,提出一种自动肺实质分割方法.方法 首先利用二维区域生长反操作、连通区域判别等方法提取肺实质区域;然后利用行扫描法定位肺区边界点;后通过对边界点参数分析,定位受肿瘤侵占的边界点,利用曲线拟合修复受损边界.结果 通过对多组胸部CT图像的分割,验证了算法的有效性;与几种常见边界修复算法对比,验证了行扫描边界修复算法的优越性.结论 本文提出的算法能将肿瘤包含到肺实质区域,确保分割的完整性、准确性、实时性.
-
自动分割CT图像中肺实质的方法
目的 提出一种从CT图像中自动分割出肺实质的方法.方法 第一步,利用灰度阈值把肺部区域从背景中提取出来;第二步,对提取出的肺部区域进一步处理,除去大气管、平滑肺部边缘;第三步,利用数学形态学方法分开左右两肺.结果 利用该方法对三个病人的肺部CT图像序列进行处理,证明该方法能针对不同厚度的CT图像,自动选取合适的阈值进行分割,并能去除独立的气管/支气管,后完整提取出肺实质.结论 本文提出的方法为进一步利用计算机辅助诊断方法对肺结节进行识别和标记提供了基础.
-
多模态磁共振成像在血管性认知障碍诊断中的研究进展
血管性认知障碍(vascular cognitive impairment,VCI)包括从轻度认知功能受损到痴呆的各种程度的认知功能受损,伴随着脑结构和脑功能的变化.磁共振成像(magnetic resonance imaging,MRI)作为一种广泛应用的诊断工具,可以无创地观察患者脑组织的变化.结合自动分割算法,对采集到的MRI数据进行分类,在识别血管性认知障碍方面具有广泛的应用前景.本文对近年来MRI在诊断血管性认知障碍方面的研究进展和新技术进行综述.
-
基于膝关节软骨磁共振半定量评分的自动分割与分类评价
目的 通过机器学习大量影像诊断明确的膝关节软骨不同程度病变的磁共振图像,实现膝关节软骨评分的自动分类和分割并评价其准确性,具有监测骨关节炎(osteoarthritis,OA)发生和发展过程的应用价值.材料与方法 回顾性纳入590例膝关节磁共振3.0 T数据.自动分类数据557例;自动分割数据33例,其中27个数据用于训练,6个数据用于测试.在深度学习的基础上利用迁移学习方法,基于两种神经网络模型,即V型网络和Inception网络,进行自动分割和分类.软骨的分割由放射科医师进行手工标注,以进行比较.软骨的分类由放射科医师依据全器官磁共振成像评分(whole-organ magnetic resonance imaging score,WORMS)分区方法及Recht评分标准进行评分;自动分割精度的量化指标使用Dice相似性系数.结果 所有膝关节骨骼自动分割的Dice相似性系数值(dice similarity coefficient value,DSC)均在0.90以上,膝关节软骨自动分割的Dice相似性系数值均在0.70以上,表明本研究提出的自动分割方法能准确地分割膝关节骨骼和软骨.结论 利用深度神经网络建立了一种膝关节自动分割和软骨病变分类的方法,V型网络和Inception网络展示了快速生成准确分割和分类结果的效率和精确度,可以得到较准确的结果,有助于提取形态特征,具有监测和诊断OA的价值,为影像诊疗流程自动化提供了技术支持.
-
基于DICOM序列影像的肺结节ROI自动检测
以DICOM标准的肺部序列影像为研究对象,将CT图像序列分割提取获得肺实质,再获取种子区域进行优化分割,后通过ROI检测提取肺部特征信息并进行分类,从而达到肺结节ROI自动检测的目的.实验结果表明此算法对微小结节特别是3mm以下的结节敏感性不高,而直径大于5mm的结节检出较为准确.实验中出现假阳性结节的个数较多,说明所选特征向量与判别分类标准比较严格,分类器的一些参数需要进一步优化,以达到更高的检出率及更低的漏检率.
-
三维CT图像肝脏自动分割方法讨论
目的：对三维CT图像肝脏自动分割方式进行分析讨论。方法收集我院2012年9月—2014年9月间37例采用肝脏自动分割扫描的患者，对其临床资料进行分析，探讨三维CT图像肝脏自动分割的效果。结果图谱法肝脏分割的体积误差评分为68.5分；相对体积误差评分为79.6分；平均表面距离评分为57.3分；平方根表面距离评分为42.6分；大表面距离平均评分为55.8分。结论不同的分割方式存在不同的优缺点，图谱分割方式在临床中具有非常高的精准度，是一种有效的分割方式。
-
基于外部基准框架的SPECT与MRI/CT的
设计了一种简便、有效的基于外部基准框架的SPECT(单光子发射型计算机断层)与MRI/CT的刚性配准及融合的方法.在对图像进行一值化分割的基础上,运用侵蚀、扩张等图像处理算法确定图像中用于配准的相应点的坐标,然后利用这些对应点小化代价函数并获得一个佳刚性变换,实现图像的精确配准及融合显示.通过对作为外部基准框架的N型支架的设计及成像过程中对其与病人相对位置的严格限制,大程度地减少成像中的误差.实验表明该方法能有效地实现SPECT与MRI/CT的配准及融合.
-
基于Python语言的海马结构分析软件的设计及验证
本研究基于Python语言开发了一款针对海马形态学分析的软件,该软件具有结构磁共振图像可视化、预处理、海马自动分割、构建海马结构共变网络、统计分析等功能,实现对海马形态学的系列分析.基于该软件,采用ADNI数据库中AD和NC 组数据进行了海马分割及分析,均得到显著性差异结果,并与Freesurfer和FSL－FIRST进行分割结果对比实验,证明该软件具有分割准确性高,速度快的优势.本研究成果为海马的形态学分析提供了集成化、自动化的工具.
-
基于大类间方差法和区域生长的舌体自动分割
舌图像中舌体的分割是舌诊信息化和客观化的基础.文章根据舌图像的特点,提出了基于大类间方差法和子块生长的舌体自动分割算法,通过均值偏移对图像进行预处理,再利用大类间方差法对彩色舌图像进行自动分类,后基于分类后的子块特征进行区域生长,实现舌图像中舌体区域的自动分割.实验对DS01-A舌面脉信息采集体质辨识系统采集的100张舌图像进行分割,能够准确地分割出舌体区域.
-
利用深度反卷积神经网络自动勾画放疗危及器官
目的:勾画危及器官是放射治疗中非常重要的常规工作.然而,目前的人工勾画非常耗时,而且依赖于医生的知识和经验.为此,本研究提出一种深度反卷积神经网络,用于自动和精确地勾画危及器官.方法:深度反卷积神经网络是一个用于自动分割的端到端框架.实验使用了230例头颈部患者的数据,在其中随机选择了184例作为训练集,用于调制自动分割模型的参数,其余46例用作测试集评估方法的性能.用于分割的危及器官包括脑干、脊髓、左腮腺、右腮腺、左颞叶、右颞叶、甲状腺、喉、气管9个危及器官.自动分割精度的量化指标使用戴斯相似性系数和豪斯多夫距离.结果:所有危及器官自动分割的戴斯相似性系数值均在0.70以上(平均值为0.81),豪斯多夫距离值在5.0 mm内(平均值为4.3 mm),表明本研究提出的自动分割方法能准确地分割危及器官.结论:利用深度反卷积神经网络建立了一种自动分割危及器官的方法,可以得到较准确的结果,为放射治疗流程自动化提供了技术支持.
-
基于三维动态区域生长算法的肝脏自动分割
目的:研究三维动态区域生长算法在肝脏自动分割中的可行性.方法:首先对CT图像进行预处理,包括插值、各向异性滤波和三维矩阵化处理;然后在预处理过的图像上使用三维动态区域生长算法,得到初始分割结果,算法在执行过程中使用种子点联合26邻域体素灰度均值代替传统的区域生长算法中选取的单一种子点灰度值,并结合动态阈值和双生长准则提高边缘分割精度;后通过形态学后处理得到肝脏分割结果.结果:利用三维动态区域生长算法的肝脏自动分割结果接近专家手动勾画的结果(戴斯相似系数平均达到0.934),并且其分割速度(每幅图像用时0.64 s)和三维连续性优于手动勾画.结论:三维动态区域生长算法能够精确地分割肝脏,能在腹部肿瘤放疗计划制定中大幅度提高肝脏勾画效率.
-
基于形态学和高斯混合模型的3D T1-MRI大脑全自动分割算法
大脑的分割有重要的研究和临床应用,本文提出一种简单快速的全自动3 D T1-MRI大脑分割算法.该算法基于形态学运算和高斯混合模型,包括大脑分割初始化、断开连接和后处理三个步骤.第一次将大脑与头的体积比作为先验信息,大大提高了分割效率,在我们的机器上(内存256,1.5 GCPU),用VC++实现,算法平均执行时间仅需49秒.分割结果同IBSR提供的金标准进行了比较,相似度索引平均大于96.1%.
-
利用知识库实现对心脏MR图像的自动分割
目的研究如何实现对心脏MR图像的自动化分割问题.方法通过对图像特征参数的训练,从而有效提取和利用先验知识.结果实现对心脏MR图像的自动化分割.结论通过提取和利用心脏MR图像的先验知识,能够很好地实现心脏分割算法的自动化.
-
基于数学形态学的脑组织图像自动分割
脑组织图像的分割对临床诊断是十分有意义的.本文所用数学形态学算子可以自动、合理地实现脑组织分割.此外还对序列分割区域进行了重建,在临床诊断中,有助于理解和分析
