用于磁共振图像灰度校正的CLIC改进模型

针对磁共振图像中存在的灰度不均匀问题,该文在灰度校正的连贯局部灰度聚类(coherent local intensity clustering,CLIC)模型的基础上,提出一种新的灰度校正算法.该算法通过引入图像边缘信息来更快寻找到组织边界,在CLIC模型中采用较大的高斯窗函数以保证偏场的光滑性,并结合分裂布雷格曼迭代来加速算法.将改进后的算法用于处理模拟和真实的磁共振图像,实验结果表明,使用该算法能够获得比使用CLIC模型更好的效果.

肝脏磁共振图像分割方法的研究

肝脏磁共振图像分割是诊断肝脏疾病的重要手段之一,偏移场是肝脏磁共振图像中通常存在的灰度不均匀现象,导致图像分割效果不理想。采用正则化相邻局部灰度聚类算法对肝脏磁共振图像进行偏移场矫正,在能量函数中加入辅助变量来解决非凸隶属函数,通过迭代计算得到最优偏移场矫正结果,并采用基于水平集的图像分割算法对矫正后图像进行分割。通过差值图像、灰度直方图、Jaccard参数和Dice参数来评价算法的性能及图像分割效果,并与非参数非均匀归一化变量(N4)算法进行对比分析。实验结果表明,相邻局部灰度聚类算法引入总变分项进行偏移场矫正后,图像与原始图像差值更大,灰度分布更均匀,图像分割结果更准确,便于医生进行病理观察及诊断。

一种提取乳腺癌DCE-MRI感兴趣区域的分割方法

针对医院临床诊断中希望能够克服灰度不均匀并且减少非病灶增强区域的干扰,从而更精确地进行DCE-MRI医学病灶分割的情况,在水平集方法的几何活动轮廓模型基础上,提出结合了局部灰度聚类和尺度停止函数的方法,以克服灰度不均匀和非病灶噪声干扰.对福建省肿瘤医院等医院的临床乳腺癌DEC-MRI数据进行实验,结果表明改进的水平集方法具有较好的分割效果.