一种在医学图像中挖掘非对称区域的方法

介绍了一种在包含复杂结构的医学图像中利用近似对称性,通过消除对称区域,有效挖掘出非对称区域的算法。首先使用基于对称度的刚性配准算法对三维灰度医学图像进行自我镜像对齐,然后对配准后的图像使用改进的自适应溶蚀算子以消除那些近似对称的区域,多精度迭代上述两个步骤以获得最终的非对称区域。在人类头部CT的胆脂瘤检测实验中,该算法显示出良好的挖掘效果,检测成功率达到80%。

一种在医学图像中挖掘非对称区域的方法

提出一种利用图像刚性配准算法和数字形态学调整近似对称区域、有效挖掘出图像非对称区域,并自动判断头部炎症类疾病的算法.首先扩展适用于二值图像的自反射刚性配准算法到灰度医学图像上,然后对配准后的图像使用条件腐蚀算子调整那些近似对称区域的边界,在不同的精度下进行迭代以获得最终的非对称区域.在人类头部CT的胆脂瘤检测实验中,该方法显示出良好的挖掘效果,检测成功率达到95%.

一种滤波修正的K均值分割方法

许多传统的图像分割方法都需要输入用户难以理解的参数,而且这些参数对于结果的影响又比较大。基于聚类分析技术的方法对参数不敏感,简单而且高效,但因其专注于对单一特征空间的划分而无法同时保持区域均一性和空间紧致性。尽管已经出现了许多改进的方法,如采用进行空间约束的聚类方法和使用其它保持空间紧致性的方法进行结果修正等,不过不同空间划分之间的协调、新的参数复杂性和算法复杂性反而使得聚类分析技术失去其简单有效的优势。给出一种新的医学图像分割算法,通过结合K均值方法和各向异性滤波技术,保持图像空间紧致性并解决过分割和图像噪声问题,同时弱对象也能够被提取出来。对比实验以及应用表明,该算法具有良好的分割结果和性能。