基于动态自适应区域生长的肝脏CT图像肿瘤分割算法

为提取人体肝脏CT图像中的肿瘤区域,提出一种基于动态自适应区域生长的算法进行肿瘤分割. 通过自适应区域生长算法对CT图像进行预分割,得到感兴趣区域（region of interest,ROI）,利用数学形态学滤波填充ROI中的空洞区域,最终提取肿瘤区域. 通过对多组病人的CT图像进行实验,结果显示该算法对肝脏肿瘤的分割效果良好.      

改进的区域生长算法及其在肾实质自动分割中的应用

提出了一种肾脏CT图像自动分割方法,将像素点的局部统计特征和像素点的空间位置信息结合起来,以此定义了像素之间的邻域相似性指标,并根据领域相似性指标自动选取种子点、种子的生长准则及终止准则,该方法克服了传统区域生长算法需手动确定种子点和生长顺序固定等缺点,最后通过MICCAI(medical image computing and computer assited intervention)的5个评价指标对分割结果做出客观评价,结果表明,该算法具有较好的分割效果.     

基于改进的区域生长法的气管与支气管分割

根据气管与支气管的树状特征,提出了一种改进的区域生长法.该方法首先从最上端的CT图像中得到气管初始区域,然后利用气管或支气管在相邻CT图像中的几何特征与灰度特征的相关性对区域生长法进行了改进,其次利用改进的区域生长方法沿着三维空间的树状路径逐步搜索气管与支气管的其他区域,最终得到气管与支气管的全部数据.该方法自动化程度高,不仅适用于气管与支气管分割,还可推广到骨骼、人体血管系统等其他小目标的分割问题.     

基于变形模型的肝CT序列图像分割

研究了一种基于变形模型的肝轮廓提取方法。该方法以人的经验知识作为先验信息，利用灰度特征、肝CT序列图像特点、肝区轮廓的整体几何信息作为区域聚合依据进行肝区图像分割。实验表明该方法能够较好地克服噪声和轮廓初始位置的影响，对肝CT序列图像的分割效果较好。     

胸部高分辨率CT片中肺实质的自动分割

以早期弥漫性肺疾病的高分辨率CT图片为研究对象，针对图片本身的特点，提出了一种新的肺部全自动分割法。该方法结合了阈值技术和区域生长技术。它首先将待处理源图像二值化，并根据用Sobel算子抽取出的躯干边缘，得到纯粹的躯干部二值图像。在中值滤波去噪后，对其中黑白区域分别进行连通域标记，并将面积较小区域（如气管等）的像素值取反。最后再经形态滤波得到肺部精确的模板。该算法能自动支除气管/支气管对应的图像区域，并将对阈值选取的敏感性和所需的人机交互减小到最低限度。     

一种高度自动化的三维CT数据腰椎分割方法

针对现有分割方法,分别存在无法完全分割、不能适应所有数据或过多的手动干预等局限性问题,提出了一种用于CT图像单节腰椎分割的新方法.首先从CT图像中分割整条脊椎,然后再分别断开单个椎体和椎小关节,从而使待分割的一节腰椎与其他部位分离.利用人造数据和真实数据对本方法进行了评估,结果显示本法可以高度自动化地分割任意单节腰椎.本方法是医生进行辅助诊断的重要方法,在相关领域的研究中具有广泛意义.     

几种图像分割算法在CT图像分割上的实现和比较

对目前几种在图像分割领域得到较多应用的交互式分割、区域生长分割以及阈值分割算法进行了探讨,并且结合实际ＣＴ片图例分别进行分割实验研究,得到较为满意和可用性强的结果,实验表明：瓶值分割对于ＣＴ切片的效果最好;区域生长分割适宜于对面积不大的区域进行分割分割效果了;基于动态规划的交互式分割算法比较复杂,计算时间较长,但对于边缘较平滑的区域,同样具有较好的实际效果,几种算法的评估为其在ＣＴ图像分割上的实际应用提供了科学依据。     

基于CT图像序列的膝关节三维重建

良好的手术操作对象的几何模型能提高虚拟手术系统的沉浸感,为了获得逼真的股骨、胫骨和髌骨的几何模型,论文对膝关节的CT图像进行分析,根据灰度直方图选取合适的阈值进行阈值分割,并结合区域生长做进一步的处理,最后进行三维重建。结果表明建立了更精确的几何模型。     

胸部CT中肺实质的自动分割与辅助诊断

以肺气肿为研究对象,针对肺部高分辨率CT图像的特点,应用自动阈值分割与轮廓跟踪方法,提取肺部实质区域。根据肺部的CT密度分布,确定肺气肿的病变区域与程度。实验证明,该方法能准确、有效地对肺部区域实行全自动分割,并对病变区域进行统计分析,最终实现肺气肿的量化分析与准确诊断。     

一种人体气道树快速自动提取算法的设计

为了从胸部CT图像中提取气道树,提出一种人体气道树的快速自动提取算法,其中包括三维区域生长、三维波传递和形态学优化3个步骤,通过多次迭代完成最终提取.区域生长的作用是提取气道树主体,三维波传递和形态学优化用于提取外围细支气管.在波传递中采用模糊逻辑判据,并利用形态学特征防止泄漏.将算法应用于28例数据,结果表明,利用该算法均能成功提取第5级或第6级支气管,且未泄漏;此外,该算法运行速度特别快,提取一个气管树耗时一般小于2s.     

低能见度前下视航拍图像中机场跑道的自动检测

提出了一种针对低能见度、前下视航拍机场图像中自动检测机场跑道的方法 .首先 ,采用基于递归的Otsu分割方法 ,从复杂背景中提取机场的主要轮廓 ;然后 ,利用基于形态学的开运算和膨胀进行形态滤波 ,开运算是为了滤除一些孤立噪声点 ,而膨胀运算是为了将分割后的机场成分连成一个完整的整体 ;最后 ,对形态滤波处理后的图像进行其区域生长 ,从而对机场主跑道进行定位 .试验证明 :这种方法对低能见度、前下视的航拍机场图像能够快速准确地检测、定位机场主辅跑道 .