乳腺X线图像肿块分割

乳腺肿块分割是乳腺癌计算机辅助诊断(CAD)检测和识别系统中关键的一步。由于乳腺肿块与背景相互交叠、边界不清晰、乳房密度不均匀,使得其分割比较困难。本文基于区域增长算法,研究了利用乳腺肿块自身特征得到最优分割阈值的方法,从而提出一种对乳腺X线图像肿块快速、有效的分割方法。实验结果表明该方法在保证肿块针状化特征情况下,拥有较好的分割效果。

CT图像肺结节的毛刺检测与量化评估

为准确检测并量化评估毛刺征,提出一种CT图像肺结节的毛刺检测与量化评估方法。首先利用区域生长算法与水平集方法结合进行结节主体的准确分割;而后利用线性滤波模板提取结节主体周边区域的毛刺;最后引入毛刺水平指数作为毛刺特征的量化指标。在此基础上对结节有无毛刺进行分类,并与肺部图像数据库联盟(LIDC)的量化评级进行一致性和相关性分析。实验结果表明,该方法可以有效地检测并定量描述CT图像肺结节的毛刺征。

CT图像中肺结节毛刺特征的计算机量化方法

根据CT图像中肺结节毛刺的生长特点,提出了一种CT图像的肺结节毛刺特征计算机量化分级方法.该方法首先利用动态规划算法对感兴趣的CT图像区域进行肺结节分割,然后在分割的结节边界基础上,通过分析边界附近区域梯度方向的规律性,提取边界法线-梯度正交指数作为结节毛刺特征的量化指标,在此基础上对肺结节毛刺特征进行量化分级.实验结果表明:该指数能够准确地量化肺结节的毛刺特征,对区分无毛刺、短毛刺及长毛刺结节具有较高的分辨率.