基于先验知识的颅脑CT图像自动化分割

利用颅脑CT图像各个主要组成区域的CT值分布差异和形态学特点等先验知识,以及DICOM图像文件提供的有关信息实现了颅脑CT图像中包括头架、头皮、颅骨、脑脊液和脑实质等区域的完全自动化分割。该算法对复杂图像处理研究的预处理,可视化三维重建,脑萎缩定量诊断以及数字化脑图谱制作等方面均具有的应用价值。

一种基于纹理的颅脑CT图像病变检出算法

以颅脑CT图像为研究对象用基于纹理的数字化统计图谱方法进行了病变自动化检出的研究,提出并创建基于纹理的数字化统计图谱——纹理层析图谱。通过比较待诊断颅脑CT图像与纹理层析图谱间的差异,实现颅脑CT图像中多种病变的计算机自动化检出。实验结果表明,在不知道病变种类的前提下,基于纹理层析图谱的病变检出算法可以实现颅脑CT图像所含病变的自动化检出。利用图像的纹理信息变化是实现颅脑CT图像病变检出的一个有效途径。

基于特征向量的颅脑CT图像分割方法

针对脑肿瘤和脑出血的检出应用,提出一种新的将颅脑CT图像分割为白质、灰质和脑脊液3个区域的方法。首先用阈值法与数学形态学结合的方法提取出颅腔内脑部组织,然后利用灰度信息将其分割成脑脊液区域和其他区域。计算其他区域像素的几何矩及几何矩的方差,并结合像素的边界特性为每个像素构建特征向量。用M FCM算法对特征向量进行聚类将图像分割成白质和灰质,并用数学形态学对聚类结果进行滤波。实验结果验证了本文方法的先进性。

基于最大熵阈值分割法的颅脑CT图像血肿自动诊断系统研究

目的:探讨颅脑CT图像中血肿区域自动分割的图像处理方法,以解决人工处理颅脑CT图像效率低及误差大等问题。方法:选取在医院进行治疗的出血性脑卒中病患的颅脑CT图像,基于颅脑解剖结构及CT成像原理分析得到CT图像的先验模型,并根据其一维灰度直方图特征为基础,进行颅骨区域图像和颅内组织的分割,依据病灶一维灰度直方图的曲线特征完成病灶的分类检测,并采用最大熵阈值分割法(KSW熵算法)确定最佳分割阈值实现血肿区域的分割,并完成颅脑CT图像血肿自动检测系统的设计。结果:通过对颅脑CT图像实施分割,结果表明该方法能够明显降低血肿区域的分割误差<6.5%。结论:基于KSW熵算法能够确定颅脑CT图像中血肿区域的最佳分割阈值,较好实现血肿病灶的自动化诊断。

一种基于CT图像的颅骨厚度计算机辅助测量方法

颅骨厚度测量在人体解剖学、临床医学、法医鉴定等领域具有重要的应用价值。常用的颅骨测量工具有直脚规、弯脚规、游标卡尺等，它们具有测量准确，经久耐用，刻度易读等特点，但是这些更适合于标本的测量，对于大量测量活体来说并不合适。笔者研究利用正常人颅脑CT图像，借助自编程序实现对颅骨厚度（前额骨、顶骨和枕骨）的自动测量，从而为建立人体头颅数据库、临床医学、头部生物力学有限元模型提供可靠数据。

脑沟的改变对提高CT诊断病变的价值

在颅脑CT图像上，人们对脑沟的改变往往只注意脑沟的扩大，此能提示脑皮质萎缩，而对脑沟变窄或者消失，却不够重视，其实这一征象在CT诊断病变时发挥重要作用。