基于背景估计和血管提取眼底图像微脉瘤检测

提出了一种基于背景估计建模和精细血管提取的微脉瘤检测方法。候选微脉瘤对象由背景估计和Mahalanobis距离进行定位,非血管抑制算子结合多尺度和多滞后阈值技术实现精细的血管结构提取,经过形状分析和双环滤波处理后,非微脉瘤像素点被去除。实验结果表明,本文方法性能优于或逼近于其它同类方法,而且能够极大提高邻近血管的微脉瘤检测精度。

基于多阈值Otsu和海森矩阵的脑血管提取

研究了多阈值Otsu对血管组织覆盖灰度区间分类算法和基于Hessian矩阵的管状物增强算法。通过多阈值Otsu分类算法对三维人体头部MRA图像进行分类,得到包含少量其它边界过渡区域的脑血管图像,将修正的基于Hessian矩阵的增强算法作用于过渡区灰度数据,使管状物得以保留并增强;将Hessian矩阵的特征值和特征向量应用于血管特征的响应函数及形态学修补和光顺各个环节,与血管灰度接近的片状和点状数据得以去除或削弱;选择合理的尺度空间范围及尺度空间增量和调节因子以平滑非线状区域和锐化增强血管区域。该脑血管提取方法在同等准确率下具有较高的稳定鲁棒性。

基于图像像素状态平衡的血管提取算法

为了消除血管减影图像中的噪声 ,从复杂背景中提取血管 ,提出了一种基于图像像素状态平衡的血管提取方法。将图像看成一个由目标区域与背景区域构成的平衡系统 ,目标区域与背景区域由于某种作用力处于一个内在平衡状态 ,但噪声的引入破坏了这种平衡 ,该方法通过恢复平衡状态来消除噪声 ,分离目标与背景区域。在此基础上发展出一种新的灰度图像二值化算法 ,并将其应用在脑部血管 DSA图像的血管提取上 ,该算法能从背景噪声很强的 DSA剪影图像中分离出完整的血管网络 。

基于多特征融合的有监督视网膜血管提取

视网膜血管提取在眼科疾病的诊断和治疗中具有重要的临床价值,但由于其拓扑结构复杂与病灶噪声等原因,现有的提取方法精度低、鲁棒性差.为此,该文提出了一种基于多特征融合的有监督学习的视网膜血管提取方法.首先提取视网膜血管的线性特征、纹理特征、矩特征、方差特征和灰度特征等作为样本特征;然后通过随机森林模型训练得到视网膜图像血管分类器,由随机森林算法初步提取血管;最后利用视网膜血管灰度分布信息和连通域信息进行血管图像后处理,进一步去除初步提取结果中的伪影和病灶等非血管成分,获得最终的视网膜血管分割图像.通过在DRIVE和STARE眼底图像数据库上的实验仿真可知,该文算法的敏感度分别为0.8354、0.8452,准确率分别为94.83%、95.34%,总体指标优于已有的视网膜血管图像分割方法.

基于EMD和模极大值的造影图像血管提取

针对冠脉造影图像噪音大且血管边缘模糊问题,提出一种基于经验模态分解的冠脉造影图像血管提取方法以较完整有效地提取出造影图像中的血管信息。该方法首先对图像预处理后的造影图像进行经验模态分解,将其分解成若干图像层,保留包含血管信息的图像层并丢弃含非血管信息图像层;其次对保留的图像层进行血管特征提取,依据连通区域的一系列属性来提取图像层中血管信息以获取清晰明显的血管段;最后通过层间信息相互参照,重构血管脉络明显的心血管图像。实验证明了方法有很高的精确度和实际的医用价值。

基于跟踪算法的肺部CT图像血管提取

在肺部CT图像中,血管与背景的对比度较低,因此传统的阈值细化方法只能提取有限的一部分血管。为了解决这个问题,我们在阈值细化方法处理后,以检测出的血管为基础,利用血管与背景梯度信息跟踪检测出在阈值细化方法中漏检的血管。采用OTSU算法二值化肺部CT图像,形态学细化算法提取血管骨架,依据血管光滑性确定跟踪方向并根据灰度梯度信息跟踪出更多的细小血管。实验说明该方法是有效的。

基于数学形态学的视网膜血管提取算法

目的影像中血管的分割与特征提取,对疾病的早期诊断具有重要意义。针对很多视网膜血管提取算法分割精度不高的问题,提出了运用数学形态学中的高帽变换的方法对其进行检测。方法首先,选取结构元素为"圆盘形"的形态学对图像进行高帽变换,经过高帽变换后的图像平滑了图像的背景,同时增强了血管在图像中的对比度。其次,对变换后的图像利用Otsu's自动分割法对图像进行阈值分割得到血管的二值图像。再次,根据血管在图像中的结构信息和几何信息,利用基于连通域度量的方法,设置连通域的"面积"和"长宽比"两个阈值,去除虚假目标。最后,为保持血管的连续性,对图像进行一次膨胀运算,可将断裂的血管连接起来,减小了实验的误差。结果通过上述步骤实现了对血管的提取。结论结果表明,本文算法能有效提取视网膜眼底图像的血管网络,有较强的分割精度。

基于容积数据的血管提取与重建算法研究

在计算机辅助诊断系统中,血管的提取和重建是血管疾病诊断的基础。本文首先使用邻域平均和中值滤波相结合的方法进行预处理,接着利用中心似然值方法计算血管的中心点,然后利用自适应跟踪方法计算血管的跟踪方向,从而提取出血管的中心线。同时提出了基于0.618法的血管中心线等间隔采样算法,最后利用坐标变换和插值知识生成了血管切片,将所有切片堆叠起来便实现血管拉直重建。实验结果表明,该算法有效地提取了主动脉血管和心脏冠状动脉血管的中心线,实现了血管的拉直重建。

基于可控图像分割的快速视网膜血管提取算法

针对多数视网膜血管提取算法实时性不强和分割精度不高的问题,提出了一种基于可控图像分割的快速视网膜血管提取算法。首先,对视网膜G分量图像的灰度进行反转和自适应直方图均衡化,应用结构元素为"菱形"和"圆盘形"的形态学"开"运算平滑图像背景和增强血管对比度,消除视盘后阈值分割并二值化得到不含视盘的分割图像。其次,根据在灰度图像中检测到的视盘构建掩膜,再次对视网膜绿色分量图像自适应直方图均衡化后进行阈值分割,并和掩膜进行逻辑"与"运算得到含有掩膜的分割图像。最后,将不含视盘的分割图像与含有掩膜的分割图像进行逻辑"与"运算,并融合边界信息获得最终的视网膜血管结构。实验结果表明,本文算法能有效提取视网膜眼底图像的血管网络,有较强的实时性和较高的分割精度。

病变视网膜图像的血管骨架提取方法研究

现有血管提取方法很少考虑到视网膜病变后,受病变区域边界干扰,很难正确提取血管结构。针对眼底视网膜病变图像,利用不同相位下Gabor滤波函数对不同特征模式的响应特性,提出一种基于Gabor滤波的非血管结构抑制血管提取方法,同时结合非极大值抑制细化以及滞后多阈值处理技术,最终实现眼底图像血管骨架提取。实验结果表明,该方法优于同类高斯匹配滤波方法和不采用非血管结构抑制的Gabor滤波方法。

基于外推跟踪的眼部白睛血管自动提取方法

提出了一种从中医“望目辨证”眼部图像提取血管的方法。首先利用最优阈值分割和形态滤波,提取白睛区域,且动态设置等距扫描线并在其上寻找血管跟踪初始点。跟踪时通过探测当前中心点两侧边缘点走向,结合血管剖面分析,动态地调整跟踪向量的方向和长度。血管提取可自动进行,并可处理曲率和直径呈非渐进变化的血管形态。

基于Gabor小波的视网膜血管自动提取研究

针对视网膜血管网络灰度分布特征和区域结构特征,提出了一种基于Gabor小波的视网膜血管提取方法。采用Gabor滤波预处理以增强血管,用改进的自适应二值化方法对增强后的视网膜图像进行二值化处理,根据视网膜血管具有区域连通性的特征,并用形态学方法分割出最终的血管。为验证方法的有效性,对Hoover眼底图像库进行实验,结果表明该方法在细小血管的提取以及连续性、有效性方面都优于Hoover算法。

基于微粒群算法的视网膜血管自动提取方法

针对视网膜血管网络灰度分布特征与结构特征,提出了将灰度-梯度共生矩阵最大熵与微粒群算法相结合的视网膜血管提取方法。采用Gabor滤波以增强血管图像,获取增强后视网膜图像的灰度-梯度共生矩阵,利用微粒群算法并结合灰度-梯度共生矩阵的最大熵方法进行阈值化处理,对图像进行二值化处理后根据视网膜血管具有区域连通性的特征,采用形态学方法分割出最终的血管。实验结果表明,该方法能有效地提取视网膜血管网络。

基于自适应网格点弹性变换的血管减影提取方法

针对患者在两次扫描之间出现的位移现象和局部变换以及造影后血管CT亮度接近骨骼组织等问题,提出了基于自适应网格的B样条弹性配准减影方法.该方法通过配准CT血管造影(Computed Tomography Angiography,CTA)扫描和CT扫描影像,将其通过非刚性变换映射到相同的空间中,由CT血管造影影像减掉CT影像,得到造影后的血管.该方法解决了两次扫描之间出现的局部变换的问题,有效地改善了减影结果,消除了直接减影留下的骨骼残留和血管过减影等现象,可以较好地满足临床应用需求.

用双边滤波和canny算子来提取眼底图血管的中心线(英文)

这篇文章用一种新方法对眼底图血管中心线进行提取。这种方法用双边滤波而不是通常用的高斯滤波来去除图像噪声。这种方法包括3个步骤,首先是用双边滤波改进的canny算子来提取出所有的血管;然后,用检测到的血管来获得其相应血管交叉部分,应用局部极大和极小抑制方法就可以得到相应血管样本侧面;最后,用高斯模型匹配血管样本侧面,高斯匹配的二阶微分零交叉就代表血管的边界位置,高斯匹配的峰值就代表血管的中线位置。这种方法输出亚像素精度的血管中心线。

自动测量造影图像中血管中心线和宽度的新方法

在血管造影图像中,精确估计血管中心线和宽度是血管疾病量化与可视化诊断的先决条件。本研究在优化处理血管特征并获取细化的血管骨架之后,提出了一种基于截面梯度轮廓(CSGP)的血管参数(中心线和宽度)测量新算法:该算法采用了统计均值和亮度控制的搜索技术。实验中,利用了多种方法进行理想的和实际的造影图像血管参数测量。通过量化误差比较,CSGP新算法明显好于现有较好的引力中心法:解决了经典方法不提供血管宽度,以及无法测量节点(交叉、分支)处血管中心线的缺陷。

肝脏三维管道系统提取方法

针对肝脏CT序列图像数据中目标血管与背景灰度差别小、肝脏内管道系统复杂及噪声较多等问题,提出一种肝脏管道系统提取和处理的方法。首先用基于统计的阈值分割方法粗分割血管,然后用一种基于空间连通域的三维血管树追踪的方法得到空间连通的三维管道系统,从而达到去除噪声的目的。最后利用傅里叶描述子的多尺度曲线平滑方法来平滑血管图的边缘。实验表明,该方法快速有效地提取到肝脏的各个管道系统。

U-net改进的视网膜血管图像分割算法

传统抽取算法在病灶、细节区域存在分割不精准的问题。改进算法对U-net深度神经网络进行改进,在网络底层加入Dense-net网络中的稠密连接方式,使用BConvLSTM来组合编码器和解码器的特征信息,结合AC-net思想提出MultiAc模块,在U-net下采样和上采样过程加入该模块,帮助网络学习更复杂的特征信息,在预测过程中提高精确率。通过在DRIVE、STARE、CHASE_DB1这3个公开眼底数据库的实验,分割结果的客观评价指标与主观视觉验证了改进算法在分割精度方面的有效性。

基于增强CT图像的肝脏血管三维分割方法研究

目的本研究旨在探寻一类性能优异的血管增强算法,并结合阈值水平集分割算法进行肝脏血管系统的三维自动分割。方法首先对原始三维增强CT数据进行S型非线性灰度映射;随后对不同的血管增强算法进行对比分析;最后使用阈值水平集分割算法分割出肝血管系统。选用3Dircadb公开数据集中的20例腹部增强CT数据定量评估了两类经典的血管增强算法,包括血管特征提取算法及扩散滤波算法。结果血管特征提取算法运行效率平均优于扩散滤波算法。血管特征提取算法结果的对比度平均高于扩散滤波算法2 d B以上,导致扩散滤波算法后续的计算复杂度高,准确性降低。阈值水平集分割算法的结果与区域生长算法、形态检测水平集算法和测地线活动轮廓水平集算法相比,准确性达77%以上,高于其余分割算法。结论血管特征提取算法与扩散滤波算法相比,更适合依赖灰度值的血管分割。阈值水平集算法能缓解单纯依赖阈值或依赖血管边界的血管欠分割问题,结合血管增强算法后能更准确的分割出肝脏血管。

基于颈动脉超声血管的特征提取算法

随着医学影像的快速升级和人工智能的飞速发展,智慧医疗已成为医学研究领域的一大热点。超声影像技术在临床诊断中有着广泛应用,但大多数血管提取算法是手动或半自动的,提取结果有很强的主观性和易错性。基于此,本研究从颈动脉本身特性出发,采用多尺度Hessian协同滤波方法进行预处理,随后结合医学先验知识提取血管感兴趣区域(ROI),设计了一种遍历追踪搜索算法来检测血管,借助像素灰度差值分级来自动获取颈动脉血管壁,提取的准确率可达89.3%。本研究不仅可以减轻医生的负担,也可降低由于医生的主观性诊断所带来的误诊率,使医生能很好地对血管形态特征参数进行定量定性分析,从而使得临床诊断更加客观与准确。