没有合适的资源?快使用搜索试试~ 我知道了~
基于加速健壮特征拟合算法和ChanVese模型的超声图像腔室分割方法.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 126 浏览量
2022-06-05
12:35:19
上传
评论
收藏 271KB PDF 举报
温馨提示
试读
11页
。。。
资源推荐
资源详情
资源评论
基于加速健壮特征拟合算法和 ChanVese 模型的超声图像腔
室分割方法
摘要:针对超声心动周期序列图的腔室自动分割过程
中,弱边缘轮廓难以有效提取的问题,提出一种基于加速健
壮特征(SURF)拟合算法和 ChanVese 模型的超声图像腔室
分割方法。首先对序列中第一帧图像进行人工标记弱边缘轮
廓;然后,提取弱边缘轮廓周围的 SURF 点,建立 Delaunay
三角网;接着,通过相邻两帧之间的特征点匹配,预测后续
帧的弱边缘轮廓;之后,用 ChanVese 模型提取粗糙轮廓;
最后采用区域生长算法得到精确的目标轮廓。实验结果表
明,该算法能较好地完整提取超声序列图像中含弱边缘的腔
室轮廓,并且与专家手动分割结果相近。
关键词:超声心动图; ChanVese 模型;Delaunay 三角
网;加速健壮特征算法;腔室分割
中图分类号:TP391.41
文献标志码:A
Abstract:During the automatic segmentation of cardiac
structures in echocardiographic sequences within a cardiac
cycle, the contour with weak edges can not be extracted
effectively. A new approach combining Speeded Up Robust
Feature(SURF)and ChanVese model was proposed to resolve
this problem. Firstly, the weak boundary of heart chamber in
the first frame was marked manually. Then, the SURF points
around the boundary were extracted to build Delaunay
triangulation. The positions of weak boundaries of subsequent
frames were predicted using feature points matching between
adjacent frames. The coarse contour was extracted using
ChanVese model, and the fine contour of object could be
acquired by region growing algorithm. The experiment proves
that the proposed algorithm can effectively extract the contour
of heart chamber with weak edges, and the result is similar to
that by manual segmentation.
英文关键词 Key words:echocardiography; ChanVese
model; Delaunay triangulation;Speeded Up Robust Feature
(SURF) algorithm; chamber segmentation
0 引言
超声心动图的腔室的正确分割与提取,对临床定量分
析、病灶判断、医学辅助诊断有着重要的意义。但由于医生
手动分割超声图像心室十分耗时、人工成本巨大,就衍生出
对超声心动图的腔室自动分割的急切需求。
近年来超声图像的自动分割技术发展迅速,目前常用的
超声图像主流分割方法有几何活动轮廓、参数活动轮廓[1]、
统计模型[2]、分类分割[3-4]等方法。然而由于超声图像的散
斑噪声、部分轮廓边缘模糊和算法本身一些特性,导致这些
算法对超声心动周期图的腔室的分割并不理想,都存在各种
缺陷:如几何活动轮廓漏检弱边缘造成边界泄露;参数活动
轮廓的模型参数难以调整确定,无法收敛到要求的弱边缘;
统计模型易受噪声影响和漏检弱边缘;分类分割在弱边缘地
带容易错分类[5-6]。
由于大多数方法都无法分割好超声心脏腔室的弱边缘,
针对此问题,本文提出一种针对超声心动周期图腔室的自动
分割方法。此方法主要根据超声心动周期图的图像帧前后差
别变化不大的特点,通过手动标记初始帧图像的目标腔室的
弱边缘,结合加速健壮特征(Speeded Up Robust Feature,
SURF)拟合算法[7]和 Delaunay 三角网格模型[8],对后续帧
的弱边缘进行预测并标定,之后用 CV(ChanVese)模型[9]
进行分割。这样就很好利用了 CV 模型对超声图像的强抗噪
性和对明显边缘轮廓有较好分割效果的特点,又解决了其易
漏检弱边缘的问题,实现对了超声心动周期图的腔室的有效
提取。
1 算法流程与原理
1.1 各向异性扩散的图像降噪处理
由于超声图像存在较多的散斑噪声,如果直接对图像进
行分割,将产生较多的伪轮廓、伪边缘点,所以对图像进行
剩余10页未读,继续阅读
资源评论
苦茶子12138
- 粉丝: 1w+
- 资源: 6万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功