分享到:

迭代梯度矢量流方法及其在医学图像分割中的应用

医学图像分割是图像研究中的一个重要领域。由于医学图像的复杂性,普通的图像分割模型不能满足医学图像分割的需要。变形模型是近几年发展起来的一种新的图像分割方法并被广泛应用于医学图象分割中。变形模型分为参数变形模型和几何变形模型两种。最近约翰斯.霍普金斯大学的Xu Chenyang提出了GVF变形模型,通过扩展外力在图像区域的作用范围,改善了传统变形模型对初始轮廓的敏感性以及不能进入图像边界凹口的弱点。但对于含有又深又细凹口的复杂图像,GVF方法依然无能为力。本文提出了迭代梯度矢量流参数变形模型(IGVF)。IGVF方法迭代使用GVF,每一次迭代时对上一次GVF产生的结果进行调整做为新的初始轮廓。轮廓调整主要在图像中又深又细的凹口附近GVF无法进入的区域进行。本文还对去除噪音和边缘检测等图像预处理技术作了深入的探讨。最后,本文将IGVF和图像预处理技术应用于实际的医学图像分割中,包括人的小腿与大脑切片图像。其中大脑切片图像含有大量复杂  (本文共66页) 本文目录 | 阅读全文>>

《中国临床新医学》2020年02期
中国临床新医学

基于深度学习的医学图像分割方法

近年来,日渐成熟的人工智能深度学习技术使得众多领域逐渐实现自动化智能化作业。在医疗领域,随着医疗数据电子化和互联网医疗的发展,基于卷积神经网络实现包含定位、分割和分类于一体的辅助诊断系统应用已成为新型医疗模式...  (本文共4页) 阅读全文>>

《电子世界》2020年03期
电子世界

医学图像分割概述

在大数据时代,CT或MRI等医学影像的数量在不断的增加,利用医学影像辅助诊断是一个重要的研究课题。在影像中通过人工或者算法进行各种组织与各种器官的分割对于下一步的诊断非常重要。本文对...  (本文共2页) 阅读全文>>

《西北大学学报(自然科学版)》2020年02期
西北大学学报(自然科学版)

基于委员会查询和自步多样性学习的医学图像分割

由于拥有像素级标记的医学图像数量非常少,制约了卷积神经网络在医学图像分割任务上的应用,因此,该文提出了一种基于委员会查询的自步多样性学习算法,在训练数据有限的情况下提升医学图像分割模型的性能。该文所提算法结合了基于委员会查询的数据选择方法,实现动态...  (本文共10页) 阅读全文>>

《计算机产品与流通》2019年03期
计算机产品与流通

聚类算法在医学图像分割中的应用

从图像处理到分析图像这一过程,分割都是主要步骤。图像分割最为关键的是在医学图像分割中应用。大量生物医学信息的表现都需要借助于图像,比如X射线图像、CT断层图像以及超声图像,有效帮助人类视觉由...  (本文共1页) 阅读全文>>

《电子科技》2017年08期
电子科技

医学图像分割方法综述

医学图像分割方法与理论众多,文中简要介绍了基于边界、阈值、区域增长、统计学、图论、活动轮廓、信息论、模糊集理论、神经网络的医学图像分割方法,这...  (本文共4页) 阅读全文>>