超声图像多囊卵巢分割及其在自动检测中的应用

医生通过人工计数卵巢超声图像上小囊胞的个数来诊断多囊卵巢综合症,存在易受人为因素干扰、重复性差、效率低等问题,为此提出一种基于超声图像的自动检测多囊卵巢综合症的方案。先以自适应形态学滤波去除卵巢超声图像的斑点噪声,接着采用改进的带标记分水岭算法提取目标(含小囊胞和类似小囊胞)轮廓,最后通过聚类方法识别出卵巢内的小囊胞。实验以专家的人工结果为标准对方案进行验证,同时与以boundary vector Field(BVF)活动模型提取卵巢轮廓进行识别的方法进行比较。结果表明,方案对多囊卵巢内小囊胞的识别正确率达到84%,比BVF方法高23%,因此能一定程度用于超声图像多囊卵巢的自动识别。

病变粘连髋关节目标分割算法

针对病变髋关节灰度分布不均匀图像粘连造成的分割难题,提出了一种改进Otsu双阈值和分水岭拟合圆的分割算法。首先对图像使用形态学增强与改进的Otsu双阈值算法得到粘连髋关节的二值图像,再利用分水岭结合拟合圆方法,完成病变髋关节的分割。本实验数据为20例病变髋关节,通过与医学处理软件ITK-Snap、分水岭算法对比,本文方法的平均分割精度为97.51%。实验结果表明:该方法不仅能够提高髋关节的分割精度,同时还可以避免不同医生手动分割造成的主观差异。