改进的Fast Marching肝脏分割方法

为提高肝脏分割效率、改善分割效果,针对传统Fast Marching(FM)方法固定参数值T对肝脏分割结果的影响,提出了一种改进的FM肝脏分割方法。根据对腹部CT图像序列的肝脏区域灰度统计信息,估算出每幅图像上肝脏区域大小,进而自适应调整FM中的到达时间参数T,有效消除传统的固定参数值对分割效率和准确率的影响。对10套腹部CT图像序列的实验结果表明,该方法能够全自动、快速、准确的分割出肝脏区域。其中,处理单副CT图像所需的平均时间为0.3s,平均准确率为97%,其高效性、准确性为临床诊断和手术导航提供了有利信息。

改进的Fast Marching方法在医学图像分割中的应用

Fast Marching方法应用于医学图像分割取得了较好的分割结果,但是Fast Marching方法对边缘比较模糊的图像不能准确完整地分割出来。提出了一种结合像素间信任连接算法和Fast Marching方法的医学图像分割方法,首先用高斯滤波器对图像进行滤波,然后对图像用基于像素间信任连接的算法提取待分割图像中目标区域,取得较大的同质区,最后用Fast Marching方法对图像进行分割。实验结果表明,该方法对边缘模糊和目标内部存在伪边缘的医学图像能取得较好的分割结果。

基于最近邻Marching Cubes的医学图像三维重建

在医学图像三维可视化中,移动立方体算法(Marching Cubes,MC)是面绘制的经典算法。针对MC算法计算插值点导致执行速度慢、效率不高的缺点,提出一种基于最近邻逼近的MC算法,该方法在n次等分点量化序列中寻找等值面最近邻点代替线性或非线性插值,既避免了插值的大量计算又保证了误差精度,还可改善三角面片结构。利用可视化工具开发包VTK对人体脸部和脚部CT数据集进行三维重建,实验表明改进算法明显缩短了绘制时间,提高了重建效率。

基于改进Marching Cubes算法的血流实时仿真研究

针对传统的Marching Cubes算法空体元检测时间过多影响执行效率的问题,设计了一种针对流体表面绘制的Marching Cubes改进算法。在算法中,首先检测了规则点阵的密度,然后通过设定阈值将粒子密度低于阈值的区域与密度高于阈值的区域分离,仅将密度较高的区域使用简化版Marching Cubes算法绘制。仿真实验证明,与球形渲染算法和Marching Cubes算法相比,本文提出的算法减少了对空体元的访问,提高了显示的质量,从而使得整体绘制算法符合实时渲染的要求。

CT图像分割几种算法

图像分割在许多图像分析和图像识别过程中都是必需的步骤。目前,借助图像分割技术来进行医学影像处理正成为当今医学界的一个发展方向。本文正是在这一背景下对医学影像处理中的几种分割算法进行了研究,主要包括FastMarching分割算法、LiveWire分割算法、区域增长分割算法和阈值分割算法;同时,结合脑部CT片进行了实验研究,为这些算法在医学影像处理上的应用提供了一定的科学依据。

基于图论分割的肺部CT图像的三维重建

为了得到精准的人体肺部CT图像的分割结果,采用改进的最小生成树法对人体肺部CT图像进行分割,再采用面绘制中的Marching Cubes(MC)算法进行三维重建,实现肺部的三维立体显示.通过实验仿真,验证了改进最小生成树算法的快速有效性,并将该算法与基于阈值分割的三维重建仿真效果进行对比.结果表明,改进后的算法能有效提高肺部CT图像三维重建的效率和完整度,在保证了快速三维重建的同时,三维重建的效果更佳,将为医生的医疗诊断提供有力的判断依据.

针对脊柱CT图像三维重构MC方法的改进

对原始MC(Marching Cubes)方法存在的问题和局限进行改进,并以此为基础重构脊柱三维模型,使之满足术前分析和远程手术的要求。采用双曲渐近线判别式消除面二义性问题,利用插值函数的空间连续性解决体二义性问题。提出基于对象相关性的cube连通性判断,减少三角面片过多的问题,进一步采用Decimation算法消减面片网格。实验证明了上述改进方法的有效性和正确性,可得到良好的三维重构效果。

基于Level set方法的医学图像分割

本文引入了一种基于偏微分方程的曲线进化方法—Level set方法,通过与Fast marching方法的结合,可以实现运算速度的大大提高。同时引进了更有效的Kim提出的GMM(Group Marching Method)方法,减少了运算量,并给出了改进方法。最后,把该方法用于仿真图与医学图像分割中,获得了较好的效果。

一种改进的MC算法

为了对等值面与子等值面进行提取和分组,在MC算法原理的基础上,提出了一种改进的等值面提取与子等值面分组算法。该算法首先将数据场分解为点、棱边、面与体元的拓扑结构;然后在整个数据场范围内求所有棱边与等值面的交点,并在面内连接交点形成面与等值面的交线,交线在体元内连接生成空间多边形;接着通过三角化各个体元内的空间多边形得到由顶点表与三角形表组成的等值面数据;最后根据三角形在顶点处的连接关系,采用种子算法对属于同一子等值面的三角形与顶点进行标记,属于同一子等值面的顶点与三角形将被存放在独立的顶点表与三角形表中。实验结果表明,该算法可以高效地实现等值面提取与子等值面的分组。

基于改进MC算法的CT/MR图像三维重建

针对MC(Marching Cubes)算法重建后模型表面的不光滑性和模型表面三角面片数量大的缺点,提出了在保证一定精度的前提下减少小面片的处理方式。通过对等值面进行三维空间上的方向平滑来代替等值面上的三维坐标平滑,达到了提高模型表面平滑性的目的。以边删除算法为基础,设计了网格简化算法,实现了模型表面的网格简化。以喉管和心血管两组磁共振(Magnetic Resonance,MR)体数据为例进行三维表面重建的结果表明,平滑后的三维显示效果有了显著改善,显示的结构细节清晰度与真实感明显提高。模型的网格简化90%后,依然能保持原模型的特征和较好的视觉效果,并大大提高了实时交互绘制的能力,明显缩短了交互操作时间。

一种改进的MC三维重建算法

针对传统Marching Cubes算法在进行三维重构过程中运算时间过长、算法效率低下的问题,提出了一种基于黄金分割点的Marching Cubes算法,使用棱边的黄金分割点代替Marching Cubes算法中等值面与棱边的交点。使公共棱边的交点和法向量的线性插值计算变为基本的数学运算,并且使计算的次数由4次减少为1次。实验证明,本次算法有效减少了算法的运算时间,提高了算法的执行效率。

基于图像分割的医学图像三维重建算法

针对Marching Cubes(MC)算法存在的数据复杂、分割方法单一和三维网格存储量大的问题,提出了先将图像进行中值滤波处理,进行了图像分割及三维网格模型简化,并给出了相应算法。实验证明运用本算法,三维重建速度和显示效果均有提高。

基于Level Set方法的低对比度医学图像分割

基于Level Set方法,提出了一种应用于对低对比度医学图像进行分割的改进的FastMarching方法.该方法结合演化曲线在演化过程中平均能量的变化特性,重新定义Fast Marching算法的停止准则,从而提高了算法的鲁棒性和自动性.实验结果表明,所提出算法的分割效果良好.

基于消息分割的FlexRay应用层设计

FlexRay是为迎合车载网络通信需求而制定的新一代总线技术。以FlexRay通信循环静态段为研究对象,结合静态段通信方式,阐述消息分割法的优势,并根据消息分割法思想,设计FlexRay应用层协议,以官方基准数据为基础定义协议参数,设计基于μC/OS嵌入式系统的通信程序,实现消息分割发送和拼接处理,并利用串口将总线数据传输到PC上,以便进一步数据处理。经实验验证,本设计可在保证总线利用率的基础上,满足不同长度消息的传输,且具有普适性和可拓展性。

基于图像分割的三维重构

三维重构方法是医学图像可视化系统、治疗计划系统的重要技术。基于图像分割的三维重构方法结合了图像分割、等值面抽取、网格简化三种技术,是不同于传统Marching Cubes算法的一种三维重构方法。它首先将医学图像分割为二值图,然后利用Marching Cubes方法进行等值面抽取,最后对得到的网格模型进行简化。实验结果表明,基于图像分割的三维重构方法加快了Marching Cubes的运算速度,改善了重构的效果,有利于实现对基于三维重构的大型几何模型的实时绘制和交互。

基于ITK、MITK和MFC的医学图像分割与显示

ITK是一个专门针对医学影像分割和配准的开发包,提供了几乎所有主流的医学影像分割和配准算法,但是它并没有实现可视化的功能。MITK是由中国科学院自动化研究所开发的集成化的医学影像处理与分析C++类库。MITK具有一致接口、可复用、灵活高效等特点,但是其算法还不够丰富。本文结合ITK和MITK的特点,建立以Visual C++6.0的MFC为基础的用户界面,利用MITK解决ITK的可视化问题。并以Fast Marching算法分割脑部二维DICOM图像为例,介绍ITK、MITK在MFC下应用程序开发的过程。

Level Set方法在雷达图像分割中的应用

Level Set方法在图像分割领域应用非常广泛,尤其是在医学图像中。这里将Level Set方法用到雷达图像分割中,首先用电场力模型对雷达图像进行预处理,使图像变平滑,将原图像平面映射到电场力模型平面,然后对预处理后的图像用Level Set的快速算法Fast Marching进行分割。经电场力模型预处理后的分割图像较平滑,而且噪点明显减少,实验证明了方法的有效性。

基于最佳分割目标优化的医学图像分割方法

针对医学图像中组织边缘模糊、灰度不均匀、图像噪声高的问题,将改进的布谷鸟算法和信息熵结合,提出一种基于改进布谷鸟算法优化最大熵的医学图像分割方法。通过改进的布谷鸟算法优化最大熵法确定图像的最佳分割门限,在此基础上完成最佳分割点的分割。在多个实验样本上的测试结果表明,文中提出的新方法在很大程度上解决了过去几种方法的缺陷,使得分割速度与精度明显提升,另一方面,其鲁棒性也相对理想,适用于实际应用。

面向开放表面的神经移动立方体算法

移动立方体(marching cubes,MC)是一种经典的等值面提取算法,但此算法建立在将空间点划分为内部点和外部点基础上,只适用于封闭表面的重建。为解决此问题,提出一种面向开放表面的神经移动立方体算法。通过引入称作无关点的新的空间点分类,因无关点与内部点、外部点以及无关点之间形成的空间区域不存在零等值面,从而可连通三维形状的内部和外部。无关点可通过与表面间的距离直接判断,无需复杂的网络或计算。同时,用引入注意力机制的残差模块代替原网络,以改善重建效果。此外,设计新的曲面细分,借助无关点实现对开放表面的重建。最后,通过加入对边缘的平滑处理,提高边缘部分的重建质量。在多项评估指标下对封闭表面和开放表面进行了测试,证明所提方法不仅能重建封闭表面,而且实现了对开放表面的高质量重建。

基于分割MC算法的超声影像三维重建方法

为了克服传统MC(marching cubes)算法对空间所有体素进行处理时执行效率不高和分割阈值难以确定的缺点,提出了一种基于分割MC算法的超声影像三维重建面绘制方法。它将分割后的超声图像作为分割MC算法的输入,利用分割结果构造等值面,提高了三维重建的速度和质量。运用可视化开发包(VTK),采用该算法对超声图像的肝脏肿瘤及周围组织器官(血管)进行了三维重建。实验结果表明:采用分割MC算法进行三维重建的速度均在20s以内,精度高,满足临床快速性及高精度要求。该方法已经在肝癌微创治疗中获得成功的临床应用。