基于动态方向梯度矢量流蛇模型的图像分割

提出了一种改进的基于动态方向梯度矢量流蛇模型的MR脑肿瘤图像分割新方法,实验结果表明该方法能够有效地分割提取出脑肿瘤图像。为了对MR脑肿瘤图像形状特征进行描述,提出了一种改进的基于Zernike矩的快速算法,为进一步诊断病情提供了有效的帮助。

MR脑肿瘤图像分割与矩特征研究

目的对MR脑肿瘤图像进行分割,并对分割的结果进行矩描述。方法在分析当前常用的医学图像分割方法的基础上,提出一种基于形变模型的医学图像分割方法,并给出了相应的理论算法模型和实现步骤,最后用Visual C++6.0编程,并对MR脑肿瘤图像进行分割实验。结果本文分割方法分割边界清晰,总体不确定性较小。结论本文分割方法切实可行,分割效果较好,为进一步的MR脑肿瘤图像分析和研究提供了一种有效工具。

基于动态方向梯度矢量流模型的脑肿瘤图像分割

目的:针对GVF Snake模型算法收敛容易陷入局部极小值及对初始轮廓位置敏感等缺点,提出一种动态方向梯度矢量流模型(DDGVF),使其更适合医学图像的分割。方法:利用主动轮廓模型的提取和跟踪特定区域内目标轮廓的方法,将其应用于医学图像如CT、MRI和超声图像的处理,以获取特定器官及组织的轮廓。结果:动态方向梯度矢量流场(DDGVF)能够较好地提取出脑肿瘤图像。结论:利用该方法能够较好地分割提取出脑肿瘤图像的肿瘤病变区域,为进一步对其纹理和形状等特征进行描述和分析提供了可靠的依据。

脑肿瘤及脑肿瘤图像分类的研究进展

脑肿瘤分类的方法很多,目前尚无统一的分类方法,并且各种肿瘤的组织发生与病理特征不同,其良性与恶性以及物学特性也不一样。通常按组织学可分类如下:(1)发源于神经胶质的肿瘤:星形细胞瘤、少支胶质细胞瘤、髓母细胞瘤等。(2)发源于脑膜的肿瘤:脑膜瘤、脑膜肉瘤、蛛网膜囊肿等。(3)发源于垂体的肿瘤:厌色细胞腺瘤,嗜酸、嗜碱性细胞腺瘤。(4)发源于颅神经的肿瘤:听神经瘤、三叉神经瘤等各种神经鞘瘤。(5)发源于胚胎残余组织:颅咽管瘤、脊索瘤、皮样囊肿等。(6)发源于血管细胞:血管瘤及血管网织细胞瘤等。(7)由其它部位转移或侵入的肿瘤:各种转移瘤及鼻咽癌等。

磁共振肿瘤矩特征信息研究

目的:采用MR脑肿瘤图像分割与矩方法进行结合,以获取特定器官及组织的轮廓。方法:对MR脑肿瘤图像进行分割,并对分割的结果进行矩描述。通过分析当前常用的医学图像分割方法,采用了一种基于形变模型的医学图像分割方法,并按照相应的理论算法模型和实现步骤对医学图像进行了处理,最后用Visual C++6.0编程,并对MR脑肿瘤图像进行分割实验。结果:从切割的图形中可以看出,本分割方法分割边界清晰,总体不确定性较小,利用矩技术所提取的图像特征在基于内容的图像检索中是有效的。结论:本分割方法切实可行,分割效果较好,为进一步的MR脑肿瘤图像分析和研究提供了一种有效工具。