基于CT图像的肺气管树3D分割方法的研究

目的:对肺部气管树的分割在临床上具有重要应用价值。针对目前肺气管树分割存在的问题,本文提出了一种结合区域生长和形态学方法的气管树3D分割的方法。方法:首先,采用基于3D联通区域与形态学的方法分割出CT序列图像中的肺实质;其次,利用3D区域生长法初步提取气管树;然后,利用形态学分割方法选取细小气管候选区域,并与上一步分割结果合成三维肺气管区域;最后,再次利用区域生长法去除伪气管区域,提取出最终的气管树。结果:实验结果表明,三维区域生长方法能够很好地获得气管/主支气管、段气管及主要的气管分支,而形态学方法能够有效地检测出细小气管区域。所以利用本文方法可以简单、有效地提取出肺气管树,并防止区域生长过程中的遗漏现象。结论:本文方法可为肺部气管的定量分析奠定基础,具有十分重要的临床诊断意义。

针对医学重构模型的3D分割及压缩算法

提供便捷的交互手段,从3D重构模型中精确分割感兴趣区域,为医生术前手术规划提供更为直观和准确的诊断信息。利用VTK(Visualization ToolKit)开发包构架系统平台,采用3D区域生长法分割感兴趣部位,结合数学形态法消除数据的病态关联,实现精确分割,进一步修改数据掩模完成分割后数据的压缩存储。实验证明了上述算法的有效性,可得到良好的3D分割效果。

面向CT数据的3D分割系统设计与实现

分割模块是放射治疗计划系统TPS的核心模块,但目前多数TPS系统采用2D分割技术,存在分割过程复杂、结果不精确等问题.针对CT数据,综合运用多风格体绘制、智能传递函数设计、基于笔触绘制直观交互等方法,使得用户通过丰富的渲染图像和直观的交互手段,实现器官的3D分割.实验证明,本文方法不仅能提高分割的效率,也能获得更好的分割效果.

融合加权随机森林的自动3D椎骨CT图像主动轮廓分割方法

为了解决CT图像主动轮廓分割方法对初始轮廓的敏感和分割不准确的问题,本文提出一种融合加权随机森林的自动3D椎骨CT主动轮廓分割方法WRF-AC。该方法提出加权随机森林算法和包含边缘能量的主动轮廓能量函数。首先,通过提取椎骨CT的3D Haar-like特征值训练加权随机森林获得的椎骨中心作为分割的初始轮廓,然后,求解包含边缘能量的主动轮廓能量函数最小值完成椎骨CT图像的分割。实验结果表明,本方法在相同数据集上能够更加准确、快速地分割脊柱CT图像提取椎骨部分。

3D SE-ResNet:一种从CT图像中自动分割COVID-19肺部感染模型

受新型冠状病毒感染的肺部,在胸部CT图像中表现出非常明显的病理特征,为此开发了一种自动分割模型能够帮助医生进行有效的诊断和分析.基于3D U-Net分割框架,提出了一种结合挤压与激励模块和注意力机制结合的3D SE-ResNet深度学习模型.采用包含200张COVID-193D CT图像数据集并通过大量的数据增强后对模型进行了训练和评估.实验结果表明:所提出的模型Dice指标达到了87.00%,与基于3D ResNet和3D U-Net网络模型实验相比,分别提升2.85%和1.03%.可以看出,3D SE-ResNet网络模型能在冠状病毒感染区域分割实现较高精度.

基于3D图像分割的深度学习摩轮类型识别方法

本文为对生产线上的摩托车轮毂进行分拣,开发了基于深度学习系统的摩轮类型识别系统。在图片预处理的过程中,使用3D线扫描激光位移传感器的三维轮毂信息对轮毂2D图像进行分割,去除摩轮图片背景中的辊道,提高图像分割效果。通过建立基于EfficientNet的深度学习网络训练和判别摩轮的型号,达到99.8%的识别率。通过实践表明,使用3D图像分割预处理和EfficientNet网络模型,训练速度快,识别不同的摩轮准确率高,模型能够很好防止过拟合,有较高的实际工程应用价值。

一种自动3D面部区域分割方法

提出一种用于美容整形的三维人脸模型自动分区方法。通过不同分辨率模型、主成分分析数据、鼻尖特征和相交曲线形状等进行组合分析,生成标准的正面朝向的三维人脸模型,然后,自动渲染生成二维图像并用可靠的二维人脸特征检测方法生成二维标志点,逆向生成三维人脸标志点。最后,基于对应的三维标志点,将标准制作的解剖学分区模板与输入模型进行自动拟合,自动生成17个区域,用于不同类型的美容整形手术。在实际三维人脸模型分割实验中拟合基元的分层聚类算法、基于"形状直径函数"(SDF)的算法以及SNAKE方法等对比方法。研究结果表明:本文方法所得实际分割效果比对比算法好,在相同实验环境下,本文方法比这3种对比方法分别快10,70和50 s。

用立体定向体架对孤立性肺肿瘤做3D适形低分割每次大剂量放疗的临床结果

为评价肺内1～2个肿瘤的病人用立体定向体架作3D适形低分割每次高剂量放射治疗的临床结果。作者在东京大学于1998年7月—2000年11月对40例孤立性肺肿瘤作了3D立体定向放射治疗。原发性肺癌31例,转移性肺癌9例;男性30例。

基于GPU的膝盖组织分割与显示方法

针对膝盖器官组织在多模态图像中存在复杂的粘连和交错叠加的情况,提出在扩散区域增长算法中增加种子亮度限制参数并与边缘限制参数一起共同控制区域增长的迭代过程,该算法和相关的滤波算法通过采用GPU编程方式实现,并将半月板临近组织的分割从股骨和胫骨的最近连接处展开。实验结果表明,本方法对于膝盖组织和相关病灶的分割提供可视的实时显示,对膝盖组织相关疾病的微创手术和介入治疗提供导视。

适用于鼻咽癌原发灶三维自动化分割的MCAS-UNet网络

鼻咽癌原发灶医学影像存在目标靶区小、影像各向异性以及与周围软组织对比度低等问题.为了解决这些问题,本文应用2.5D卷积神经网络来处理具有各向异性的CT图像分割问题.提出了一个改进的通道和空间注意力模块,使网络能够专注于小目标分割.在此基础上,把2D交叉注意力模块扩展到3D,更好地提取肿瘤靶区的特征信息,解决靶区与周围软组织对比度低的问题,从而优化肿瘤靶区的整体分割效果.为了取得更好的边缘分割效果,在解码器端引入注意门,融合低层和高层语义信息,对相关边缘特征信息做进一步补偿.利用2019年StructSeg挑战赛鼻咽癌公开数据库进行实验验证,结果表明,本文算法所得鼻咽癌原发灶分割的平均Dice系数、相对体积误差、平均对称表面距离和豪斯多夫距离分别是66.22%、57.54%、2.592 mm、10.05 mm,比基准UNet3D模型分别提升了7.92%、67.36%、2.843 mm、34.86 mm.本文所提模型的分割效果均优于经典的分割方法和其他目前主流医学分割网络.

基于语义信息补偿全局特征的物体点云分类分割

3D点云数据处理在物体分割、医学图像分割和虚拟现实等领域起到了重要作用。然而现有3D点云学习网络全局特征提取范围小,难以描述局部高级语义信息,进而导致点云特征表述不完整。针对这些问题,提出一种基于语义信息补偿全局特征的物体点云分类分割网络。首先,将输入的点云数据对齐到规范空间,进行数据的输入转换预处理。然后,利用扩张边缘卷积模块提取转换后数据的每一层特征,并叠加生成全局特征。而在局部特征提取时,利用提取到的低级语义信息来描述高级语义信息和有效几何特征,用于补偿全局特征中遗漏的点云特征。最后,融合全局特征和局部高级语义信息得到点云的整体特征。实验结果表明,文中方法在分类和分割性能上优于目前经典和新颖的算法。

电力输电线路无人机巡检航线智能规划方法

针对无人机在巡检输电线路时的路径规划效率问题,提出一种能够自主进行智能路径规划来避开障碍物的无人机巡检新方法。通过采集输电线路的点云数据,选择最佳的点云分割方法对采集到的点云数据进行实时语义分割,将具有语义属性的点云数据合并为体素。使用欧几里德符号距离场实时重建障碍物表面与周围障碍物之间的距离和角度,利用二维图像识别技术精确拍摄目标照片,识别输电通道中的绝缘子来调整无人机的框架角度和焦距。将所提方法与一些先进的方法进行实验对比,发现利用无人机自动巡检方法得到的位置误差小于10 cm;与人工巡检相比,采用所提出方法时效率提高57.98%~62.88%,可应用于输电线路的大规模巡检任务。

实时三维超声心动图中二尖瓣的提取

二尖瓣的复杂结构和不规则运动特性使得自动提取非常困难,因而依据二尖瓣解剖形状的先验知识,采用人机交互方式构造符合二尖瓣生理形状的柱状区域,把该区域作为测地活动轮廓模型的区域约束项,在leve l set框架下对二尖瓣进行分割提取。该方法通过对大量三维超声瓣膜进行实验,取得了良好的分割效果,能够直接准确提取三维心脏二尖瓣。

基于曲率信息的鼻子区域精确定位

提出一种三维人脸鼻子区域自动定位方法。采用一种基于近似平均曲率形态学分割算子来自动分割鼻子区域轮廓,该算子对种子的初始化位置具有很好的鲁棒性,可以对鼻子区域实现快速精确的分割。在国际通用的BU-3DFE人脸表情数据库进行测试,该方法对鼻子区域的分割达到了98.5%的准确率,验证了其有效性。

Convex relaxation for a 3D spatiotemporal segmentation model using the primal-dual method

A method based on 3D videos is proposed for multi-target segmentation and tracking with a moving viewing system. A spatiotemporal energy functional is built up to perform motion segmentation and estimation simultaneously. To overcome the limitation of the local minimum problem with the level set method, a convex relaxation method is applied to the 3D spatiotemporal segmentation model. The relaxed convex model is independent of the initial condition. A primal-dual algorithm is used to improve computational efficiency. Several indoor experiments show the validity of the proposed method.