基于边缘信息C_V模型的医学图像分割方法

图像分割是医学处理中的重要研究内容之一,提出一种基于边缘信息的改进的C_V模型的医学图像分割方法.在模型中增加了表征边界特征的项,利用图像的边界信息与区域信息为分割服务,克服了传统C_V模型不能利用图像的梯度信息的不足.并对C_V模型的区域信息项进行了改造,改变了传统C_V模型中均值取值的定义,提高了对灰度层次丰富的图像分割能力.增加了距离函数惩罚项,将距离函数重新初始化的过程并入整个水平集框架模型中,极大地提高了曲线演化与分割速度.实验表明该模型是有效的医学图像分割方法.

基于组织分割的医学体数据剖切方法

通过对医学体数据进行剖切,在方便观察其内部组织结构的同时,保留周围潜在的重要环境信息,可提供一个整体的情景图像。提出一种基于组织分割的体数据剖切方法,该方法关注于构成体数据的语义层,从医学诊断中的现实需求出发,以逻辑拆分来剖切体数据,以提供更加完整、直观的显示。将梯度矢量扩散法扩展到三维情形,同时提出三维梯度矢量扩散的体数据分割方法。在剖切方法中,首先运用三维梯度矢量扩散法来立体分割医学体数据中的组织,然后通过不同的空间传输函数来操作不同的组织,实现体数据的三维空间剖切体操作。实验结果表明,该方法能够有效去除遮挡数据以揭露内部信息,能保留相关环境信息来增加剖切的可理解性,可取得良好的虚拟剖切效果。

改进的双水平集医学图像分割方法

由于基于简化M_S模型的多相水平集图像分割模型仅仅利用了图像的区域信息,对图像的另一个重要信息(边缘信息)没有有效的利用,同时在分割的过程中需要对水平集函数不断进行重新初始化.为了解决上述模型的不足,本文提出改进的双水平集医学图像分割方法.该方法主要是在基于简化M_S模型的多相水平集图像分割模型的基础上将图像的边界信息项和为避免重新初始化水平集函数的惩罚项加入模型中.实验结果表明,添加了边界信息后的模型能够在边界位置定位更容易,同时改进后的双水平集模型在实现多目标分割时,无需重新初始化水平集函数,减少了计算量,简化了算法实现的复杂度.

基于多维传输函数的三维医学图像系统研究

传输函数是直接体绘制的基础,传输函数的设计是体视化结果的关键。本文在传输函数的定义上,讨论了将体数据标量值和梯度模值作为定义域的多维传输函数的原理及实现方法。针对传输函数与位置无关,难以提取感兴趣的区域(Region Of Interest简称ROI),提出了基于三切面交互式体数据的切割方法,从而有效的提取感兴趣区域。最后,设计和实现了一个基于多维传输函数的三维医学图像系统,获得了很好的体绘制效果。