小波能量引导下基于活动轮廓模型的部分实性肺结节分割

由于部分实性肺结节(pGGO)中的实性成分存在亮度不均匀和边界模糊等问题,传统的活动轮廓模型很难取得精确的分割结果.为此,文中提出了一种改进的小波能量引导下的活动轮廓模型来完成pGGO中实性成分的分割.首先,通过小波变换将图像的灰度信息转变成小波系数,对低通小波系数进行模糊化,以抑制图像局部区域过增强和欠增强,同时结合高通小波系数计算图像的小波能量并构建活动轮廓模型的区域项,以加强肺结节中实性成分与周围磨玻璃影的区分;然后,利用高斯混合模型计算肺结节图像的后验概率,将后验概率差作为活动轮廓模型的边界检测函数,使得在实性成分的边界处边界检测函数趋于0,轮廓曲线停止演变.实验结果显示,文中提出的模型得到的真阳性率为0.95、假阳性率为0.23和相似度为0.80,有助于pGGO中实性成分的确定.

结合MRF能量和DCE-MRI时域特征的乳腺癌灶分割算法

针对动态增强磁共振影像中乳腺癌灶对比度低、边界模糊且亮度不均匀等特点,提出了一种结合马尔科夫随机场能量和动态增强磁共振影像时域特征的混合活动轮廓模型。首先,基于模糊C均方聚类算法以图像的时域变化特征和亮度构建特征向量,构建模糊速度函数作为活动轮廓模型的边缘探测函数。其次,计算图像的隐马尔科夫场能量,以增强乳腺癌病灶与其他组织的差异。最后,以图中每个像素及其邻近像素的马尔科夫场能量为特征,利用k最近邻算法构建活动轮廓模型的区域项。轮廓曲线在病灶边界上时,区域项及边缘项最小,活动轮廓曲线停止演变,完成对乳腺癌灶的分割。实验结果表明,马尔科夫随机场能量和时域特征均能增强癌灶与其他组织的对比度,使所提方法的分割结果较其他活动轮廓模型更接近医生手工分割结果,对实现精确分割乳腺癌灶有重要意义。