首页 > 文献资料
-
一种基于水平集的前列腺超声图像自动分割算法
由于超声图像存在着斑点噪声和较低的信噪比,使得传统的分割算法很难应用于超声图像的自动分割,而手工分割方法非常耗时且重复性差.因此提出了一种基于水平集和改进径向浅浮槽算法(RBR,radical bas-relief)的前列腺直肠超声(TRUS)图像全自动分割算法.首先使用Sticks滤波器来去除斑点噪声,并且增强图像的对比度.然后使用径向浅浮槽算法来对图像进一步增强,通过使用形态学算法和边界填充得到前列腺的初始轮廓,使用该轮廓来初始化水平集算法,从而实现全自动分割.实验结果表明,该方法能有效地去除斑点噪声的影响,并且能够对前列腺超声图像实现较好的分割效果.
-
基于水平集稳健特征统计算法的脑肿瘤自动分割研究
目的:研究基于水平集的稳健特征统计算法在脑部CT图像上自动勾画肿瘤轮廓的方法.方法:选取种子点,通过稳健统计量描述种子点及其周围点对象的特征,基于水平集算法进行轮廓演化,确定肿瘤的边界.运用C++语言编程处理图像,得到肿瘤的分割结果.选用正确率、体素相对差异率、对称位置表面距离的均方根、对称位置的平均表面距离等指标评价肿瘤分割结果与医生勾画结果的一致性.结果:19例脑瘤患者的CT图像进行肿瘤勾画,均能自动准确勾画肿瘤轮廓.平均正确率为0.92,体素相对差异率为0.12,对称位置表面距离的均方根为0.25 mm,对称位置的平均表面距离为0.49 mm,各评价指标均优于区域增长算法.结论:基于水平集稳健特征统计的分割算法,可以实现肿瘤轮廓的自动勾画,结果准确可靠.
-
窄带Level Set与可视化技术在耳蜗分割中的应用
耳蜗的分割是对耳蜗进行模型化和分析研究的前提.采用三维窄带水平集(level set)算法与可视化技术相结合的交互式分割方法对耳蜗进行分割,三维窄带水平集算法用于体数据中感兴趣目标的分割,可视化技术对分割结果进行三维显示,显示结果作为用户调节算法参数的依据,经过多次的人机交互,从而获得满意的分割结果.我们详细地阐述了水平集及窄带水平集算法的基本原理、特点,并成功应用三维窄带水平集算法实现了颞骨螺旋CT(Computed tomography, CT)图像中耳蜗目标的分割.实验表明三维窄带水平集算法与可视化技术相结合的交互式分割方法可以很好地实现医学体数据中耳蜗的分割,与对体数据逐层分割的方法相比,速度有了很大提高.
