交互式GACV模型的肿瘤图像分割

目的:提取医学图像中肿瘤区域,用以测量肿瘤体积问题。方法:提出一种基于GACV(Geodesic-Aided C-Vmethod)的交互式模型。该模型首先人工选取感兴趣区域,并在区域内设定初始水平集与肿瘤内部种子点,然后在感兴趣区域上应用将图像梯度边缘信息与图像区域灰度特性统一到同一分割中的GACV模型,得到肿瘤的粗分割结果。最后为去除目标内外孔洞,提出一种无损边缘的膨胀搜索算法,作为细分割。结果:将该模型应用于不同形状的肿瘤图像中,能成功检测肿瘤轮廓。通过实验与其它活动轮廓分割方法结果对比,结果显示该模型在准确分割肿瘤边界与分割算法耗时方面均具有良好表现。结论:本文提出的分割方法能高效率、准确识别肿瘤区域。

结合贝叶斯最优分类器的GACV模型对医学彩色细胞图像进行分割

目的:本文对GACV模型进行改进,并用改进的模型对医学彩色细胞图像进行分割。方法:本文在GACV模型基础上加入了贝叶斯最优分类器,得到了结合贝叶斯最优分类器的GACV模型,并用该模型对医学彩色细胞图像进行分割。结果:应用本文提出的模型分割3组不同特点的医学彩色细胞图像,分割结果显示,该模型能正确将细胞从不同噪声环境中分割出来。结论:结合贝叶斯最优分类器的GACV模型对弱边界,噪声以及复杂背景有很强的鲁棒性可以有效、准确的分割医学彩色细胞图像。