基于心脏磁共振短轴电影图像的右心室分割新进展

右心室分割对肺动脉高压、法洛四联症等疾病的心脏功能评估具有重要意义.然而，右心室结构复杂，变动性大、心肌薄且毗邻脂肪，实验全自动分割一直是难点.心脏磁共振短轴电影图像时空分辨高，常用于临床右心室分割及功能评价.本文基于心脏磁共振短轴电影图像对右心室分割方法进行了综述，首先回顾了传统右心室分割算法，然后重点介绍了基于多图谱和深度学习算法的右心室分割进展，并介绍了右心室分割结果常用的评估指标.通过上述回顾发现，基于深度学习算法的分割方法是今后临床应用的右心室分割的主要方法，对心脏相关疾病的诊断及预后十分重要，而且可大大提高医生的工作效率.     

基于密集多尺度U-net网络的电影心脏磁共振图像右心室自动分割

右心室分割对心脏功能评估具有重要意义.然而,右心室结构复杂,传统分割方法效果欠佳.本文提出一种密集多尺度U-net（DMU-net）网络用于分割右心室,首先对56例数据进行归一化、增强及感兴趣区域提取的预处理;然后结合多尺度融合和嵌套密集连接结构搭建网络;最后利用预处理后的数据对DMU-net网络进行训练和验证,并对15例仅提取感兴趣区域的数据进行测试.本文方法与手动分割的Dice系数和豪斯多夫距离平均值分别为0.862和4.44 mm,优于文献中其它分割效果较好的方法;舒张末期容积、收缩末期容积、射血分数及每搏输出量的相关系数为0.992、0.960、0.987和0.982.结果表明,使用本文方法的分割结果与手动分割结果重合度高、差异性小,有望为心脏疾病诊断提供参考.     

基于COLLATE融合多图谱的心脏电影MRI右心室分割

右心室分割对肺动脉高压等疾病的心功能分析具有重要的临床意义.然而,右心室心肌薄、易变且不规则,其传统的医学图像分割方法仍然未能取得突破性进展.本文提出基于COLLATE（Consensus Level,Labeler Accuracy and Truth Estimation）的多图谱分割方法,首先以归一化互信息为相似测度对目标图像和图谱集进行B样条配准以获取粗分割结果;然后利用COLLATE对粗分割结果进行融合;最后采用基于形状约束的区域生长算法修正出现错误的数据.10例临床心脏磁共振短轴电影图像被用于算法验证.本文还将使用基于COLLATE的多图谱分割方法得到的结果与深度学习算法及手动分割进行了比较.结果显示与深度学习算法比较,使用本文算法得到的射血分数（Ejection Fraction,EF）与手动分割更加一致和相关,表明该算法的分割结果有望辅助临床心脏功能诊断.     

基于心脏磁共振电影图像的压缩激励残差U形网络左心肌分割

左心肌分割对心脏疾病诊疗具有重要意义.但左心肌内部毗邻乳头肌、小梁,外部与周围组织灰度相近,是分割难点.本文首先对心脏磁共振电影图像数据进行感兴趣区域提取等预处理;其次,搭建融合了压缩激励模块和残差模块的U形网络(SERU-net)分割左心肌;最后,利用75例数据训练SERU-net网络,对18例数据进行预测.基于本文方法的分割结果相对于金标准的Dice系数与豪斯多夫距离均值分别是0.902、2.697 mm;利用本文方法分割得到的舒张末期、收缩末期左心室心肌质量与金标准的相关系数和偏差均值分别是0.995、0.993和3.784 g、2.338 g.结果表明,本文方法与金标准匹配程度较高,有望辅助诊断心脏疾病.     

一种基于光学干涉原理的图像分割方法

 介绍了基于光学干涉原理的图像分割理论算法。在计算机上模拟一个均匀相干光源、一个滤波器和一个接收屏。选择强度 相位的转换曲线，将输入图像的强度信息转化成伪相位信息，并显示在滤波器上。利用光源照明滤波器上的相位图，在接收屏上得到其干涉条纹。再通过选择阈值对干涉图进行分割得到二值图，从而实现输入图像的边缘分割。计算结果表明，该方法得到的图像轮廓，与Sobel 算子效果相当。与实验结果对比分析可得，改善硬件并实现良好的分割效果的关键在于：控制光源的相干长度，或增大液晶的点阵间隔，并利用CCD相机和计算机相连，对干涉图进行二值化。     

一种基于光学干涉原理的图像分割方法

介绍了基于光学干涉原理的图像分割理论算法。在计算机上模拟一个均匀相干光源、一个滤波器和一个接收屏。选择强度 相位的转换曲线,将输入图像的强度信息转化成伪相位信息,并显示在滤波器上。利用光源照明滤波器上的相位图,在接收屏上得到其干涉条纹。再通过选择阈值对干涉图进行分割得到二值图,从而实现输入图像的边缘分割。计算结果表明,该方法得到的图像轮廓,与Sobel 算子效果相当。与实验结果对比分析可得,改善硬件并实现良好的分割效果的关键在于：控制光源的相干长度,或增大液晶的点阵间隔,并利用CCD相机和计算机相连,对干涉图进行二值化。     

多项式展开配准的多图谱大脑磁共振图像分割北大核心CSCD

全脑区的自动分割对于大脑疾病的诊断和治疗具有重要的临床意义。为了提高分割准确率,提出了一种多项式展开配准的多图谱分割算法。利用线性多项式展开模型,结合仿射变换和非刚体变换将待分割的目标图像与图谱图像进行逐一的配准来获取位移场;利用归一化互信息计算二者的相似度,筛选出与目标图像相似度较高的图谱,并对图谱的标记图像进行位移场映射,得到粗分割结果;采用全局加权投票法将粗分割结果进行融合,得到最终的细分割结果。选取了35例来自MICCAI 2012 Multi-Atlas Labeling挑战和10例来自上海交通大学医学院附属第九人民医院的磁共振T1加权图像对该方法进行验证,最终全脑区的DSC值分别为0.7585和0.7351。实验结果表明,算法具有较高的大脑分割精确度和鲁棒性,有望辅助临床进行大脑相关疾病的诊断和治疗。     

基于多图谱配准的三维胰腺CT图像分割

胰腺的自动分割一直是医学图像分割中一项具有挑战性的问题。胰腺是一个具有高度解剖变异性的器官,目前的多图谱分割方法很难对胰腺的边缘产生精确的分割。针对这一问题,采用了基于多图谱配准的分割算法对胰腺进行分割,优化了一种局部动态阈值的后处理方法。在标签融合阶段,采用概率阈值融合算法、Majority voting(MV)算法、STAPLE算法和SIMPLE算法四种标签融合算法进行对比。在后处理阶段,采用局部动态阈值处理方法,首先通过初步分割结果对目标图像提取目标区域,然后自动确定阈值实现该区域的二值化,最终与初步分割结果取交集作为最终分割结果。采用留一交叉验证策略对80例NIH胰腺CT图像和22例来自上海本地医院的胰腺CT图像进行分割,最终得到的DSC分别为79.98%和81.30%。实验结果表明,所提方法实现了对胰腺的有效分割。     

一种边缘提取的图像分割方法

图像分析技术从广义上来讲 ,是指从图像中提取有用的数据或其它信息。图像分割是图像分析技术的重要手段 ,在前人的理论基础上经过实验提出了一种边缘提取的图像分割方法———行扫描空间带通滤波法。该方法在电视图像的自动跟踪识别中取得了很好的效果 ,是一种较为可取的图像分割方法     

一种基于H直方图变换的白细胞图像分割方法

对检出的大量样本细胞图像进行统计分析,发现白细胞在Wright染色后着色效果不一致时色彩分量差异的规律。通过建立数学表达模型,提出了一种基于H直方图变换的白细胞图像自动分割算法。对细胞图像的色度分量直方图进行适当变换,有效削弱了血液染色的不一致性对白细胞分割的影响,实现了白细胞胞浆区域的良好分割,实验结果验证了所提分割方法的可行性和实用性。     

一种基于代价函数和模糊熵的图像分割方法

提出了一种基于代价函数和模糊熵的图像分割方法.该方法先用代价函数最小化法对退化的图像作预处理,之后,利用模糊熵作进一步的处理.实验结果表明:新方法和一般的阈值分割方法相比,不但分割图像的错分率较小,而且图像的视觉效果也有较大的改善.     

一种基于强边缘块的时域多分辨率图像分割算法

针对序列图像的变化检测,提出了一种基于强边缘块的时域多分辨率图像分割算法.首先在具有明显边缘特征的图像序列中,提取图像强边缘块的直方图,然后,利用时域多分辨算法,比较不同帧之间的图像差异.这种方法不但能够检测出图像的变化,而且能够确定图像变化的类型.在阈值的选取过程中,采用了自适应阈值方法,实验证明这种方法取得了较好的效果.     

一种眼底黄斑水肿OCT图像分割方法

黄斑水肿(ME)被认为是增殖性糖尿病视网膜病变的主要适应症之一,由于视网膜下层中蛋白质沉积物的积累,ME引起视网膜肿胀。光学相干断层成像(OCT)通过显示黄斑病变的横截面视图提供了ME的早期检测。文章提出了一种新的算法,即改进遗传算法和最佳熵法相结合的方法,可以在前期工作的基础上提高时间效率,从5s提高至0.7s。算法首先对图像预处理,排除血管和散斑噪声对分割效果的影响,再将信息熵作为遗传算法(GA)的适应度函数,将最大熵作为遗传算法的收敛准则。经过遗传操作,得到最佳阈值,对黄斑水肿OCT图像进行分割,然后对得到的二值图像进行边界平滑处理,得到最终的分割图像。所述方法对300张黄斑水肿OCT图像进行了分割,与Canny算子、OTSU分割算法和临床医生手动分割结果相比较。结果表明,算法能够快速准确提取黄斑水肿区域,为临床诊断和治疗提供了定量分析的工具。     

一种高噪声显微图像分割方法研究

传统的图像分割算法在处理高噪声显微图像时,由于背景复杂,很难得到目标完整的区域轮廓。通过对不同图像分割算法的性能进行对比,提出了一种改进的二维最大熵阈值遗传算法结合数学形态学除噪分割的方法。首先用改进的二维最大熵阈值算法结合遗传算法对高噪声显微图像进行粗分割,除去图像中大量的背景噪声,然后运用数学形态学进行细分割,滤除剩余少量杂质和孔洞,提取出目标轮廓。实验结果表明改进的方法较传统分割方法具有更强的抗噪声能力及更快的处理速度,有效地实现了高噪声显微图像的除噪分割。     

一种基于多分辨率分析的图像融合方法

图像融合通过综合各个图像的互补信息,合并成一个新图像来改善图像的视觉效果.利用拉普拉斯金字塔分解算法对图像进行多分辨率分析,对分解后的图像采用基于区域特征量测的方法进行融合.最后,通过实验证明该方法能够取得很好的融合效果,融合质量优于其他几种方法.     

基于改进DRLSE模型的前列腺磁共振图像分割

在图像引导下的前列腺磁共振图像分割的介入诊断与治疗具有重要意义.本文对距离正则化水平集演化（DRLSE）方法进行了改进并用于前列腺磁共振图像分割.前列腺磁共振图像中靠近膀胱一侧边界较为模糊,靠近尿道一侧及左右两侧边界较为清晰,仅用传统的梯度信息指示函数无法达到理想分割结果.本研究分别采用两个指示函数控制边界清晰段及模糊段的演化,以达到准确分割的目的.此外,还在外部能量函数中增加了能量牵制项,避免演化在虚假边界停止,驱使水平集向灰度波动较大的区域移动,并能在模糊边界停止演化.实验表明利用本方法进行前列腺磁共振图像分割的效果较好;Dice相似性系数（DSC）均值达到96%,接近专家手动分割结果.     

基于Dense-UNet++的关节滑膜磁共振图像分割

为解决以往基于深度学习的滑膜磁共振图像分割模型存在的分割精度较低、鲁棒性较差、训练耗时等问题,本文提出了一种基于Dense-UNet++网络的新模型,将DenseNet模块插入UNet++网络中,并使用Swish激活函数进行训练．利用1 036张滑膜磁共振图像数据增广后的14 512张滑膜图像对模型进行训练,并利用68张图像进行测试．结果显示,模型的平均DSC系数为0.819 9,交叉联合度量（IOU）为0.927 9．相较于UNet、ResUNet和VGG-UNet++网络结构,DSC系数和IOU均有提升,DSC振荡系数降低．另外在应用于相同滑膜图像数据集和使用相同的网络结构时,Swish函数相比ReLu函数有助于提升分割精度．实验结果表明,本文提出的算法对于滑膜磁共振图像的病灶区域的分割有较好的效果,能够辅助医生对病情做出判断．     

基于粒子群算法的多阈值图像分割方法

在对粒子群优化算法的基本原理和方法进行简要概述的基础上,提出了一种基于粒子群的多阈值图像分割算法。算法采用信息熵构建优化目标函数,提出了新的粒子更新准测,并以此对图像进行了多阈值优化搜索。实验表明,该算法不仅能对图像进行正确的分割,而且还具有稳定性高,易于实现,速度快等特点。     

基于回形窗的弱小多目标图像分割方法

提出一种红外弱小多目标图像分割方法,用一个回形窗口和对比度阈值分割图像.对天空背景下低信噪比的红外弱小多目标图像序列能够有效的分割,抑制噪音干扰.将该方法与传统的图像分割方法做了比较,并对用不同阈值,不同窗口分割时的分割结果进行了分析.实验表明,该算法在执行效率和检测概率上能够取得满意的结果.     

基于同时多层激发和并行成像的心脏磁共振电影成像

磁共振成像（MRI）无创无害、对比度多、可以任意剖面成像的特点特别适合用于心脏成像,却因扫描时间长限制了其在临床上的应用.为了解决心脏磁共振电影成像屏气扫描时间过长的问题,该文提出了一种基于同时多层激发的多倍加速心脏磁共振电影成像及其影像重建的方法,该方法将相位调制多层激发（CAIPIRINHA）技术与并行加速（PPA）技术相结合,运用到分段采集心脏电影成像序列中,实现了在相位编码方向和选层方向的四倍加速,并使用改进的SENSE/GRAPPA算法对图像进行重建.分别在水模以及人体上进行了实验,将加速序列图像与不加速序列图像进行对比,结果验证了重建算法的有效性,表明该方法可以在保障图像质量以及准确测量心脏功能的前提下成倍节省扫描时间.