应用迭代四叉树的肝脏MR图像分割

磁共振(Magnetic Resonance,MR)图像的诊断是公认的确认肝脏有无肿瘤等器质性病变的金标准方法,因此肝脏的正确分割对计算机辅助诊断有非常重要的意义。由于脏器组织浸润和个体差异,在肝脏分割实现方法方面有一定难度,目前尚没有通用的医学分割方法。在既有研究的基础上,提出了基于四叉树的迭代分割算法,得到MR图像中肝脏的自动分割结果。实验分割结果表明这种方法的可行性和优势,并为后续的肿瘤提取奠定基础。

基于知识的迭代四叉树分割

本文主要讨论迭代四叉树分割控制的基于知识的分类过程，及有关共享通用知识库的问题。迭代四叉树分割对于基于知识的图像处理和图像解译，主要有两种作用：（１）平行操作的协调过程；（２）把不同类型的知识合并为不同级别的决策。

超声乳腺肿瘤图像中种子点的自动定位研究

利用种子区域增长对超声乳腺肿瘤图像进行分割是一种常用的计算机辅助诊断方法。为实现种子点的自动快速定位,满足实时在线分割图像的需求,根据超声乳腺肿瘤图像的结构特征,综合图像的灰度因素和空间因素,提出了一种基于迭代四叉树分解的算法。该算法将满足特定阈值的图像分裂转化为寻找种子区域,以实现种子点的自动定位。对105幅超声乳腺肿瘤图像进行了实验验证,结果表明,该算法准确率能够达到94.28%,平均耗时2.97 s,不但满足了种子点的自动定位于图像肿瘤内部,而且需要调整的参数少,其定位效率要高于人工选择。