小波多尺度动态方向梯度矢量流与心脏核磁共振图像分割

主动轮廓线模型已在心脏MRI图像左心室内膜分割中得到了广泛的应用,但是如果轮廓线的初始位置不合理,受到左心室内部组织灰度和心脏周围组织灰度的影响,将难以得到准确而稳定的分割结果。将小波多尺度边缘检测算法应用于主动轮廓线模型,并结合动态方向梯度矢量流(DDGVF)概念,首先在高尺度图像上进行处理,将得到的结果作为低尺度图像上的初始轮廓线继续进行处理。通过这种方法,解决了初始轮廓线必须离真实轮廓很近的问题,有效扩大了主动轮廓模型的捕获范围。

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。

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。

基于方向Snake模型的心脏磁共振图像左心室内外膜分割

针对心脏磁共振图像(MRI)左心室内膜与外膜边缘方向不同的特点,提出一种基于曲线演化框架的方向主动轮廓模型进行左心室内外膜分割。曲线演化方程中包含基于图像边缘与区域灰度特征的混合几何流。几何流中的边缘信息项由经Fast Marching方法扩展后的动态方向梯度矢量流场(DDGVF)构成,用以引导曲线向具有不同方向的目标边缘运动,而区域灰度信息项则由Chan-Vese(CV)模型构成,用以防止曲线在演化过程中受其他边缘成分的影响而发生泄漏。最终的曲线演化方程采用水平集方法求解。实验结果表明,所提方法能够较为准确地分割出心脏MRI图像中的左心室内外膜并具有较好的鲁棒性,对于实现基于心脏MRI图像的左心室心肌区域自动快速分割和心脏功能分析与评价具有一定的应用价值。