基于活动轮廓模型和影像组学的乳腺癌LVI状态预测

针对乳腺癌患者术前LVI状态预测问题,提出了活动轮廓模型和影像组学相结合的计算机辅助分析方法.首先,提出一种基于后验概率和模糊速度函数的活动轮廓模型方法来完成乳腺癌DCE-MRI图像分割.通过在小波域下构建基于后验概率的活动轮廓模型的区域项,同时利用模糊速度函数构建活动轮廓模型的边界项,可以提高乳腺癌病灶分割的准确性.其次,提取形态、灰度、纹理等图像特征,利用集成分类器随机森林方法构造LVI状态的预测模型.实验结果表明,所构建的模型对乳腺癌患者LVI状态具有较好的预测能力.     

基于影像组学预测肺癌放射治疗疗效

目的:探讨基于影像组学特征和机器学习方法预测肺癌放射治疗近期疗效.方法:回顾性搜集安徽理工大学附属肿瘤医院经病理证实的135例肺癌患者的影像及病例资料,按RECIST标准将患者分为缓解组(85例)和未缓解组(50例).全部样本按照7:3比例随机划分训练集和验证集,在训练集中采用方差选择法和Lasso算法筛选特征,进行机器学习(逻辑回归、决策树、AdaBoost和支持向量机),构建预测模型并内部验证.结果:筛选出8个与疗效相关的影像组学特征,支持向量机分类器训练组的AUC、准确率、诊断敏感度和特异度分别为0.901、0.80、0.91和0.98,验证组的AUC、准确率、诊断敏感度和特异度分别为0.782、0.73、0.76和0.77.结论:基于治疗前CT影像组学特征可对肺癌的放疗近期疗效作出评估.     

高光谱影像感兴趣区域提取的活动轮廓模型研究

提出一种基于活动轮廓模型的高光谱影像感兴趣区域(ROI)提取方法,首先根据地物像元的标准反射率建立标准光谱反射率向量;然后,通过计算其与待处理像元的光谱向量的相关系数,得到像元相关系数偏差矩阵;最后,构造一种基于该偏差矩阵的C-V活动轮廓模型,并利用有限差分法对该模型求解,来提取感兴趣区域的像元.该方法可实现对高光谱区域宏观大类的快速提取,为高光谱影像压缩等进一步的信息处理奠定了基础.仿真实验验证了所提出方法的有效性.     

基于Sobolev梯度的混合活动轮廓模型

结合CV和LBF模型,提出一种混合的活动轮廓模型,同时采用L2+Sobolev梯度实现PDE演化方程.实验结果表明,该模型能够分割背景同质目标非同质以及简单的多目标同质图像,对初始轮廓大小以及噪声不敏感.     

基于熵结合的活动轮廓分割模型

针对传统活动轮廓对图像分割鲁棒性较差的问题, 将基于区域的轮廓模型和基于梯度的轮廓模型通过图像熵与图像梯度和进行结合。通过图像熵与图像梯度和建立基于梯度与基于区域结合的活动轮廓模型。将水平集函数嵌入到模型中, 对模型结果进行连续分割, 并进行拓扑变化。采用窄带方法进行快速演化。实验证明, 该方法有较好的鲁棒性和较快的分割速度, 对图像分割理论的发展提供了新的研究途径。     

基于改进活动轮廓模型的人脸分割

人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。     

基于活动轮廓模型的DP修正算法

活动轮廓模型（ｓｎａｋｅ）是在现时图像处理和计算机视觉中用于实现对象的边缘检测或轮廓提取的有效工具．本文在讨论用最优化方法——动态规划（ＤＰ）算法求解ｓｎａｋｅ 最小能量的基础上提出了对ＤＰ的修正算法,给出了计算机模拟结果．     

基于活动轮廓模型的DDP修正算法

活动轮廓模型是在现时图像处理和计算机视觉中用于实现对象的边缘检测或轮廓提取的有效工具。本文在讨论用最优化方法－动态规划（ＤＰ）算法求解ｓｎａｋｅ最小能量的基础上提出了对ＤＰ的修正算法，给出了计算机模拟结果。     

基于多阶段向量场的活动轮廓模型

传统的基于向量场的活动轮廓模型不能准确地提取复杂形状边界,尤其当初始轮廓曲线在目标边界外部、提取复杂的凹形边界时,常遇到"平衡点"问题.为此,文中提出了基于多阶段向量场的活动轮廓模型.首先在离散化的轮廓曲线上取一些样本点,并按其法线方向将它们映射到目标特征点;然后由传统向量场和映射产生的向量场得到一个加权平均的向量场,将轮廓曲线在该向量场中演化,若轮廓曲线未完全收敛到边界,则在未收敛的轮廓曲线上取新样本点,按前面方法计算出新的向量场.经过在多阶段向量场中的演化,轮廓曲线最终收敛到目标边界.实验结果表明,相比于传统方法,文中方法更有效.     

一种改进的C-V主动轮廓模型

针对C-V(Chan-Vese)模型不能较好分割灰度不均匀图像的缺点,对C-V模型能量方程进行改进。将图像的局部灰度拟合信息融入到面积项中,使分割兼顾了图像的全局和局部信息,同时加入惩罚能量项来约束水平集函数逼近符号距离函数,避免模型重新初始化。对灰度不均匀图像分割的实验结果表明,该模型优于C-V模型。     

基于改进活动轮廓模型的超声图像分割

活动轮廓模型被广泛应用于医学图像分割之中,文中提出了一种改进的快速活动轮廓分割法。原算法在优化过程中容易缩成一点,其初始轮廓必须给定在图像边缘附近,改进的快速活动轮廓算法给出了不同于原算法的内部能量函数,并增加一自适应的约束力,扩大了算法捕捉图像特征的范围。实验结果表明：该算法快,能在更大的范围内捕捉图像特征,是一种有效的分割超声图像的算法。     

基于法向力活动轮廓模型的医学图像分割

提出法向力活动轮廓模型并应用到医学图像分割中,实验结果表明该模型能扩大初始轮廓曲线收敛范围,正确分割侧脑室图像.而且,初始轮廓曲线愈接近目标真实边界,迭代次数愈少,分割速度愈快.     

基于法向力活动轮廓模型的医学图像分割

提出法向力活动轮廓模型并应用到医学图像分割中，实验结果表明该模型能扩大初始轮廓曲线收敛范围，正确分割侧脑室图像．而且，初始轮廓曲线愈接近目标真实边界，迭代次数愈少，分割速度愈快．     

基于活动轮廓模型的在线铁谱图像分割研究

为了准确分割磨粒区域以得到油液中铁谱磨粒的含量，从而获取设备油品及故障信息，以图像可视在线铁谱传感器获取的磨粒图像为对象，引入了基于曲线演化理论和水平集方法的两个区域几何轮廓模型，即LBF模型及IR模型。通过对比这2种模型的分割效果发现：IR模型具有更高的分割准确率和更快的收敛速度。然后进一步分析了模型参数对分割结果的影响，得出不同磨粒浓度条件下对应最优分割效果和最短运算时间的分割参数值，为在线监测中磨粒图像分割参数的自适应选择提供了依据。实验结果表明，研究所采用的分割模型对于磨粒图像具有更高的分割准确率和收敛速度，为后续快速、准确计算油液中铁谱磨粒含量提供了保证。     

带评价系统的曲率相关有向主动轮廓模型

主动轮廓模型广泛应用于很多领域,但这个框架下的模型都有两个关键的难点.针对这一问题,通过对已有方法失败原因的分析,本文提出了一种新颖的外力大小与曲率相关的主动轮廓模型(CDM模型).任何粗分割方法都能为该模型预测方向提供灵活有效的线索,并且模型外力的大小定义为曲线曲率的相关方程.这使得该模型具有许多与众不同的优点,并能够有效避免自相交现象的发生.在不同的收敛过程和不同的主动轮廓模型中,评价模块的出现能够有效地度量模型结果与真实目标轮廓之间的相似度.实验结果显示,CDM模型在其他模型失败的例子中能够得到正确、鲁棒的结果,并且能够在医学图像中精确地拟合目标轮廓.     

参数化水平集活动轮廓模型的快速图像分割算法

为了提高图像分割的速度,提出一种参数化水平集活动轮廓模型的快速图像分割算法.该算法中的水平集函数由参数向量确定,而非带符号距离函数,降低了水平集函数的维度.将参数化的水平集函数嵌入到经典的LGDF(local Gaussian distribution fitting)模型中进行图像分割,不需要重新初始化和额外的正则项,同时可选择较大迭代步长.实验结果表明:所提方法能够有效地分割超声、CT和核磁等医学图像,与带有正则项的分割算法LGDF和最近提出的快速分割算法MSLCV相比,在保证分割精度的同时,计算速度得到了明显提高.