欢迎来到天天文库
浏览记录
ID:46592372
大小:469.44 KB
页数:6页
时间:2019-11-26
《肝脏CT图像三维分割研究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、万方数据第38卷第2期电子科技大学学报Vol·38No-1.:!!!兰:星生竺翌!121竺呈!二!!生竺!兰!!!竺里!!!!!竺!!竺!!!!凹212型竺!曼些:苎———————丝兰兰!!)一-_-________-l___-______--_-_--I___-__l---_____-__--_-I_________-●_I____l_。。。。’——————————一一肝脏CT图像三维分割研究房春兰,陈雷霆,张宇(电子科技大学计算机科学与工程学院成都610054)【摘要】针对肝脏cT图像的特征,提出了一种将种子区域生长算法和改进sn
2、akc模型相结合的策略,实现了肝脏的三维分割提取.该方法先从cT图像序列中筛选出肝脏有明显成像边缘的一张切片,在其肝脏区域内选择若干个种子点,利用种子区域生长算法得到初始边缘,再利用改进的snake模型对初始边缘进行优化,然后,将此切片的边缘轮廓作为与其相邻切片上的初始边缘,重复该过程,直到分割完所有切片.实验嚷.明该算法具有较高效率,分割结果精确,所产生的分割结果可以作为三维重建合适的数据集.关键词肝脏:种子区域生长;分割;Sn出c中图分类号TP391.41文献标识码Adoi:lO.396铷.is∞.1001-0548.2009.0
3、2.293DSegmentationResearchofCTLiverImageSequencesFANGChun—l锄,C}玎三NLei缸lg,趾dZ扎气NGYu(Sch00lofC砌put盯Sci锄cc锄dEngin∞rill舀Univc瑙财ofElec眦icSci∞cc吼d1鼬∞19∥ofalina(=ll∞gdu610054)Abst船ctByconsideriIlgthecharactersofliverCTirIlagesequences,anewsegmentationwayisproposedbaSedonaIladv
4、allcedSnakemodelassociatedwithseededregion口owillgmetIlod.Wi廿ltllismetllod,a(、Timageclearedgesisselected丘.0mCTliverimagesequences,t
5、lenseveralseedsareselectediIltlleliverregion,tlleseededregiongrowmgmetllodisusedtogetanm“iaIed璺e.TheedgeisoptilllizedbyadvancedSnakemodelan
6、dservedastllei11itialedgeofmenextCThage.Thisprocedureisrepeatedunt订allirIlagesareprocessed.EXperimentalresultsshowttlatt11ealgorithmcanobtaillsegmentationresultofsoRtissueiIllagee街cientlyandaccurately.Keywordsliver;seededregiongrowiIlg;segmentation;Snake图像分割是图像处理、图像分析和计
7、算机视觉等领域最主要的研究课题之一,对于不同领域中广泛存在的不同类型图像,至今还缺乏一种通用而有效的图像分割方法,也不存在一个分割是否成功的客观标准。医学图像分割是医学图像处理中的关键问题之一,而软组织图像分割则是医学图像分割中的难点。目前提出的图像分割算法中,绝大多数是针对二维图像的分割【l~。这些算法对于边界明显或对比度强的医学图像分割可以达到很好的效果,但是对于软组织器官等对比度低、特征可变或边界模糊的解剖结构就不能得到准确的分割结果。对腹部图像中的肝脏进行分割时,由于肝脏的灰度值与其周围组织及腹腔的灰度值十分接近,利用传统的二
8、维图像分割算法就很难准确地找出肝脏的边界。本文针对肝脏CT图像的特征,采用将种子区域生长算法和改进Snake模型相结合的方法对肝脏进行三维分割提取。1图像分割1.1图像分割的定义图像分割的原始定义是利用给定的特征量或某一准则来检测区域的一致性,达到将图像分割成不同区域的目的,使得更高层的分析和理解成为可能。传统的图像分割方法主要有基于阈值分割法、区域生长法、边缘检测法【3】及统计学法【4】。这些方法有各自的优缺点和适用领域,经过发展,衍生出许多新的算法pJ。1.2医学图像分割方法医学图像三维重建的主要研究内容包括医学图像的预处理;组织
9、或器官的分割与提取;三维模型的剖切及交互式操作等。其中,对医学图像感兴趣区域的分割是图像分析与理解的关键所在。由于人收稿日期:2007—12—29:修回日期:2008一06—20基金项目:信产部发展基金(【信部运2006
此文档下载收益归作者所有