基于三阶样条曲线拟合的改进Snake模型在医学超声图像分割中的应用

鉴于医学超声图像所具有的复杂性,采用基于样条曲线拟合的改进Snake模型来实现对心脏超声图像的分割.为了克服传统Snake模型对初始轮廓的依赖性,采用扇形法获得靠近目标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用三阶样条拟合的方法来获得连续的图像边缘.实验结果表明,采用本方法可以获得连续、封闭的边缘曲线,能够较好地将目标从图像中提取出来.

基于局部特征的体育运动损伤超声医学图像分割

目的为了提高体育运动损伤超声医学的检测识别能力,提出基于局部特征的体育运动损伤超声医学图像分割方法,展开对体育运动损伤超声医学检测识别能力的研究。方法建立体育运动损伤超声医学图像分割模型,利用运动骨骼肌分块匹配技术对体育运动损伤超声医学图像的信息进行增强处理,提取图像特征,通过CT亮点特征透射分析体育运动损伤超声医学图像的特征细节,结合深度卷积神经网络训练方法对提取的体育运动损伤点进行体育运动损伤超声医学图像自动探测,实现体育运动损伤超声医学图像分割。结果仿真结果表明,采用该方法进行体育运动损伤超声医学图像分割的精度较高,误差值可以控制在0.103以下,最终达到零误差的效果。结论证实本文方法对体育运动损伤点检测的分辨力和准确性较高,实际应用能力较强。

改进的分段主成分分析算法及其在前列腺分割中的应用

主成分分析(PCA)作为形状建模中的经典算法,在训练阶段考虑训练样本的整体信息,而忽略了样本的局部细节信息。分段主成分分析(MPCA)针对PCA的不足改进了算法,在人脸识别应用中获得了比传统PCA更好的识别效果。但在MPCA中样本一般都被划分为同样大小的子样本块,没有考虑到实际的样本局部动态变化信息。这里根据初始样本的方差信息对MPCA算法进行改进,将样本划分成尺寸大小不一的多类样本(分段样本),然后分别对分段样本做主成分分析,得到原始样本的分段PCA模型。将该模型应用于前列腺超声图像分割实验,结果表明其分割效果优于传统的PCA算法和MPCA算法。