基于水平集的医学图像分割算法.docx
版权申诉
27 浏览量
2022-07-14
13:41:25
上传
评论
收藏 1.82MB DOCX 举报
目前,图像分割
[1,2]
广泛应用于工程学、计算机科学、统计学、物理、化学、
医学、遥感等领域。在医学中,通过对图像感兴趣区域的定位和分割,可以得到
更多更准确的医疗数据,有助于开展后续诊断治疗研究等。
经过多年的研究,国内外研究者提出大量的图像分割方法,并将其应用到医
学图像处理领域。随着人工智能的发展,基于深度神经网络的医学影像分割方
法
[3]
被提出,并在很多图像处理领域取得了较好的结果,成为目前主流的图像分
割方法。然而,在处理超精细图像中,基于图像信息的传统分割算法能得到更有
效 的 结 果 。 目 前 ,研 究 者 们 提 出 了 很 多 结 合 机 器 学 习 和 传 统 分 割 模 型 的 方 法
[4,5,6]
。尽管人工智能、大数据等现代技术在医疗分割领域的应用已成大势所趋,
但传统分割模型依然扮演着重要角色。
在传统模型中,活动轮廓模型(Active Contour Model,ACM)是一种具有良好
性能的分割算法。Caselles 等人
[7,8]
于 1993 年和 1995 年将水平集理论
[9]
和 ACM
结合提出几何活动轮廓模型,即水平集方法。该方法在分割过程中将轮廓曲线
作为零水平集隐式地包含在水平集函数中,从而很自然地处理曲线的拓扑结构
变化。水平集方法中,由 Chan 和 Vese 在 2001 年提出的 Chan-Vese (C-V)模
型
[10]
最具有代表性。该模型对噪声有一定的鲁棒性,但仍然存在缺点,例如水平
集对初始轮廓敏感,重新初始化数值步骤较复杂,无法分割一些灰度不均的图像
等。为了提高 C-V 模型分割的准确性,研究者们提出了许多改进方法。Li 等人
提出了局部二值拟合模型
[11]
(Local Binary Fitting,LBF),利用高斯窗口函数,构造
局部拟合能量,较好地解决灰度不均的图像分割问题。之后,Li 等人
[12]
又深入研
究 了 核 函 数 的 选 择 依 据 和 局 域 区 域 范 围 大 小 的 选 择 及 其 作 用 , 提 出
RSF(Region-Scalable Fitting)模型。Wang 等人
[13]
将局部能量与 C-V 模型叠加,
提出局部 CV(Local CV,LCV)模型。Caselles 等人
[14]
利用梯度信息构造驱动力
项,有利于分割边缘梯度大的目标。Lankton 等人
[15]
提出基于区域的模型,将 C-V
模型的均值分段计算,因此可以应用于灰度不均的图像。Shi 等人
[16]
通过用分段
常数函数近似水平集函数,简化迭代规则,提出了一个快速算法。Li 等人
[17]
提出
距离正则水平集演化(Distance Regularized Level Set Evolution,DRLSE),并将
其成功应用于一个基于边界的主动轮廓模型。张等人
[18]
将 C-V 水平集模型的区
域项变形归一化为强度指示算子后,替代了 DRLSE 模型驱动项中的强度指示
算 子 ,将区 域和 边 缘 信 息 嵌 套 结 合 提 出 RESLS(Region and Edge Synergetic
Level Set Framework)模型。
剩余20页未读，继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3683
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
VIP享7折，此内容立减5.97元 开通VIP
最新资源
- 基于python爬取新浪微博爬虫以及生成词云源码+源代码+文档说明（高分项目）
- 基于python爬取新浪微博爬虫以及生成词云源码+源代码+文档说明（高分项目）
- 纯 PHP 开发的并行抓取工具 (Parallel web crawler written in PHP)
- 基于Vue的云视讯入住解决方案设计源码
- 对人脸图像进行性别和年龄的判断
- Go语言开发的端口转发工具 for port data forward (TavenLi)
- 无限弹窗的各种常用代码（cpp和bat）
- FME模板演示：DLG转成dwg数据，还原地物样式
- R language bioinformatics analysis package wrapper for VisualBas
- 基于Keras的LSTM多变量时间序列预测python源码+文档说明
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
