基于改进遗传算法的最佳熵多阈值三维医学图像分割算法

借鉴模拟退火思想对三维医学图像的最佳熵函数进行拉伸,构造出改进的遗传算法适应度函数,同时采用精英选择策略保留各代最优个体以加快算法收敛速度,从而提出了一种新的基于多阈值最佳熵的三维医学图像分割遗传搜索算法。根据文中算法得到的阈值,成功实现了三维医学脑部图像中脑白质、脑灰质、脑脊液的分割。实验证明,当种群规模为30的情况下,即可搜索到较好的阈值用于三维分割,运算速度较传统穷尽搜索法更快,且比原简单遗传算法具有更强的稳定性和精确性。

三维医学图像分割标注技术的回顾

综述20世纪90年代以来三维医学图象分割标注技术。从方法学的观点将现有方法分为以下几类:聚类（阈值）;统计学方法;变形轮廓线;区域生长;数学形态学;非线性方法（模糊分割,神经网络,遗传算法）;三维模型。对各种类型逐一进行了细分,并给出了详细的例子。最后,论文还对三维医学图像分割标注的发展趋势进行了评述。

基于类别方差的三维医学图像分割新方法

提出一种交互式的三维医学图像分割算法.结合Otsu单阈值图像分割算法,提出了一种基于类别方差的双阈值分割算法.利用该算法对三维医学图像体数据的直方图进行了分析,最终得到的上下阈值使得分割结果具有最大类间方差.该算法采用迭代法实现,简单快速,且可保证分割出的组织包含目标组织.再对此阈值分割结果进行数学形态学的相关操作和三维区域生长,最终得到目标组织的准确分割和它的三维显示.实验证明,分割效果较好,三维重建满足要求.

基于Level Set的交互式快速分割算法

三维医学图像数据量大,并且受噪声、边界模糊等原因的影响,致使三维分割过程消耗时间较长,容易产生欠分割或过度分割。针对以上问题,提出一种基于Level Set的三维快速分割算法,采用Fast Marching获取二维分割区域,优化轮廓边界,利用直线数值微分算法(Digital Differential Analyzer,DDA)提取轮廓像素;进一步引入扫描线种子填充思想,实现医学图像的三维快速分割。实验结果表明,上述算法能够快速准确地分割出感兴趣区域。

基于交互式图割算法的结肠组织提取

针对腹部CT医学图像中结肠组织自身局部特征的问题,研究了一种基于交互式Graph Cuts结肠组织的分割方法。首先人工标定一部分体素标记为"目标"和"背景"种子点。然后将图像映射成网络图,通过相邻像素间的灰度特征分配边的权重值,采用26邻域系统实现三维图像的分割。最后使用最大流/最小割方法最小化能量函数,得到结肠区域。实验结果表明,交互式的图割算法能够准确地从三维腹部CT医学图像中提取出结肠组织,体现了结肠数据的局部特征。算法能自动将所有腹部CT切片的结肠组织分割出来,实验获得的结果有利于结肠病变的发现和精确定位。

一种融合表面波变换与脉冲耦合神经网络的三维肺实质分割算法

针对肺部病变及支气管干扰等因素导致的肺实质分割困难的问题,本文提出一种融合表面波(surfacelet)变换与脉冲耦合神经网络(PCNN)的肺实质分割算法。首先,通过surfacelet变换对三维肺部计算机断层扫描数据进行多尺度多方向分解,利用局部修正拉普拉斯算子选择处理后的子带系数增强图像的边缘特征;然后,经surfacelet逆变换得到增强后的图像作为PCNN的反馈输入;最后,通过循环迭代完成肺实质的分割。所提算法对公开数据集中的样本进行了测试。结果表明,本文算法的分割性能优于surfacelet变换边缘提取算法、三维区域生长算法和三维U形网络(U-NET)算法,能够有效抑制肺部病变及支气管的干扰,得到更完整的肺实质图像。