基于血液斑点噪声抑制和T-Snake模型的血管内超声图像边缘提取

血管内超声(IVUS)图像冠状动脉血管壁内、外膜的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。为了更好地抑制血管内超声图像的血液斑点噪声,首先采用一种时/空滤波方法对IVUS图像进行降噪预处理,以抑制其严重的血液斑点噪声;然后,为了更好地提取血管边缘,提出了一种改进的自适应形变模型,并基于该改进的自适应形变模型(T-Snake模型)给出了一种IVUS图像冠状动脉血管壁内、外膜边缘的提取方法。实验结果表明,该边缘提取方法有着较高的准确性和可靠性,对IVUS序列图像处理的可重复性和鲁棒性较好;也表明了改进的T-Snake模型的可实现性,以及IVUS图像血液斑点噪声抑制方法的有效性。

复杂水体边界提取的改进正交T-Snake模型

引入拓扑自适应动态轮廓(T-Snake)模型并进行了改进,设计了合适的能量函数,提出了目标内部岛状空洞引起的拓扑冲突的检测与处理机制,实现了包含河中岛的复杂河流边界的精确提取。针对模型初始轮廓需手动构造的缺点,利用影像分形维数最小值获取水体内部区域并实现轮廓自动初始化。试验表明,该方法可有效提取水体深凹边界和含河中岛的河流边界,在精度和效率上优于传统Snake和GVF Snake模型。

一种改进的自适应形变模型及其血管内超声图像边缘提取应用

血管内超声(IVUS)图像冠状动脉血管壁内膜的边缘提取对冠状动脉疾病的诊断和治疗有着重要意义。提出一种改进的自适应形变模型(T-Snake),该模型能够解决基本T-Snake模型中的自交(Self-collisions)问题,并有着更高的数值计算精度。同时,基于改进的T-Snake模型,给出一种用于自动提取IVUS序列图像冠状动脉血管壁内膜边缘的方法。实验结果表明,所提出方法准确性和可靠性较高,对IVUS序列图像处理的可重复性和鲁棒性较好;表明了改进T-Snake模型的有效性和可实现性。

基于自适应形变模型的胸部CT图像肺组织分割

肺组织分割是肺结节检测、肺功能定量分析、三维重建与可视化计算等胸部CT图像分析处理的基础。为此,首先提出了一种改进的自适应形变模型(T-Snake模型),然后基于改进的T-Snake模型给出胸部CT图像肺组织分割方法。上述模型能够解决基本T-Snake模型的自交(Self-collisions)问题,有着更高的数值计算精度;并且,对T-Snake模型的节点更新算法也做了改进,使模型节点的更新速度加快。实验结果表明,方法准确性和可靠性较高,有着较好的应用前景。

基于T-snake模型的冠状动脉血管提取和运动跟踪

提出采用拓扑自适应动态轮廓(T-snake)模型对X射线冠状动脉造影图像序列进行二维血管提取和运动跟踪的方法,得到心动周期中冠状动脉的二维形态和运动信息。设计了适用于心血管造影图像的强约束T-snake模型,约束节点沿网格线从一个网格点运动到下一个网格点,通过节点拆分获得拓扑变换能力。针对图像灰度统计特征,设计了使模型能从血管内部的初始位置膨胀变形的能量函数。采用临床采集的X射线冠状动脉造影图像序列对算法进行了验证。