基于监督的全卷积神经网络视网膜血管分割

视网膜血管分割算法是自动视网膜疾病筛查系统主要部分。视网膜血管检测在医学诊断上应用日益广泛,对糖尿病、青光眼等病状有较精确的诊断。提出一种新的全卷积神经网络视网膜血管分割的监督方法,该方法在视网膜图像和相应的血管标签图之间进行端对端预测,采用跳跃结构融合图像深层和浅层的特征信息,得到精确的分割结果。以准确性（Acc）为标准判断,在DRIVE数据集上表现出比现有其它技术更好的性能。     

视网膜图像血管提取方法研究进展

比较分析目前主要的医学图像分割方法,评价各方法的主要优点及不足,为图像分割技术在视网膜图像血管提取方面的进一步研究提供重要的理论支持.     

一种改进的视网膜脱落图像分割算法研究

为实现对超声图像病灶的分割并提高目标分割精度,提出一种残差结构的深层尺度融合的分割网络模型RDFA-Net。使用改进的网络模型并使用可变形卷积来增大采样范围,使用通道和空间注意力机制捕获特征,融入深层尺度特征进行融合以捕获深层次图像特征,成功将视网膜脱落病灶的超声图片进行分割,并有了更好的分割结果。使用合作医院提供的眼底超声图像作为数据自制分割数据集来评价RDFA-Net。通过实验结果对比显示,RDFA-Net是有效的,可以对视网膜脱落进行图像分割,并实现了较好的分割精度。     

图像分割技术在医学图像分割中的应用

图像分割是图像分析和处理的关键步骤,医学图像分割是图像分割的一个重要应用领域。本文讨论了医学图像分割的目的和意义,对医学图像分割的常用技术进行了研究。     

基于MITK的CT序列图像模糊连接度分割算法研究

MITK是一个集成化的医学影像处理与分析C++类库的软件包.本文在VC++6.0环境下对MITK的区域生长Filter进行了扩充,实现了模糊连接度算法的Filter,并对腹部CT序列图像中的肝内血管进行分割,获得了较好的结果,为下一步利用MITK算法平台进行医学图像分割和可视化等开发打下基础.     

基于计算机的三维医学图像处理方法——图像分割技术

图像分割技术就是把图像中具有特殊涵义（如医学图像中的病变部位）的不同区域分开来,使每一个区域都满足特定区域的一致性的图像处理技术。基于当前医学图像分割方法研究,分割的速度和稳定性无法同时提高的问题,引入一种被称为“live-wire”的半自动的交互式范例,并对其在三雏空间上的实现建立了理论模型;同时自定义了与本文模型相关的MATLAB实现函数。     

基于深度学习的图像语义分割技术综述

图像分割是计算机视觉领域的一个重要方向,是图像处理的核心环节。伴随深度学习技术的发展,结合深度学习的图像分割技术在精确度上远超传统图像分割方法。卷积神经网络（CNN）与全卷积神经网络（FCN）的提出极大促进了图像语义分割技术发展,研究人员提出了很多新型网络模型,分割精准度大幅度提升。从传统语义分割方法、深度学习与传统方法相结合的图像语义分割、基于深度学习的语义分割3个方面阐述图像语义分割技术研究进展,为基于深度学习的图像语义分割技术研究提供参考。     

远程虚拟手术仿真实验系统

为提高远程医务培训的真实性与有效性,开发了基于虚拟现实的远程手术仿真实验系统。该系统以C/S模式构建远程通信网络,使其具备视频、语音、文件等实时传输功能;基于虚拟现实技术实现虚拟手术仿真的三维场景渲染和简单手术操作,使系统具备二维医学图像分析、三维重建、器官分割等功能。测试结果表明:该系统可以实现远程用户间视频、语音的流畅通信,也可以在建立连接后进行二维医学图像浏览、三维重建以及简单的切割操作,从而为后续有具体应用的遥操作虚拟手术仿真系统实现奠定基础。     

融合ResNet结构的U-Net眼底视盘分割方法

由于亮度的相似性,带病灶眼底图像的视盘分割通常会受到亮病灶干扰。现有的视盘分割方法对正常的视网膜眼底图像具有较好的分割效果,但是在带病灶的眼底图像中表现不佳。在医学图像数据样本有限的情况下,U-Net网络能实现少样本训练生成较好的分割结果。提出一种将残差结构与U-Net网络融合的视盘分割方法。残差模块的跳跃连接能将浅层特征传递给更深一层网络,实现浅层特征的重复使用,增强了图像细节学习。将该方法在两个公开数据集Messidor和Kaggle上进行验证,在干扰较多的Kaggle数据集上,其AUC和MAP分别达到0.952 1和0.838 8,证明该方法可同时学习图像细节特征和全局结构特征,能更好地区分眼底视盘与亮病灶。     

基于CT数据的轮廓线提取

医学图像的三维重建中,边缘轮廓线的提取起着关键的作用.针对头部医学CT数据,分析其数据格式,并对其进行数据格式转化,对转化后的数据采取图像平滑、颜色调整与直方图均衡化等图像预处理操作,最后在分析图像预处理后数据的基础上提出双阈值分割的方法来提取轮廓线数据,实现较好的提取效果.     

医学图像处理技术概述

文章介绍了医学图像处理的基本技术,对图像分割、图像配准、图像融合、伪彩色处理和纹理分析技术进行了综述。介绍了三维医学图像的可视化和基于PACS的医学图像压缩在医学图像处理方面的应用。     

交互式图像分割实验系统开发

以"交互式图像分割算法的实验系统开发"为例,介绍了如何在传统的图像处理实验中引入新的内容、开展创新性实验。利用Matlab的图形用户界面设计,开发相应的实验教学系统,该系统主要包括lazy Snapping、Grab Cut以及改进的Grab Cut 3种图像分割算法,不仅能够加深学生对基于图割的图像分割的基本原理的理解,而且能够让学生更好地掌握交互式图像分割的实现步骤以及各种算法的优势和局限性。该系统操作简单方便,在实际实验教学应用中取得了良好的效果。     

医学图像处理技术概述

文章介绍了医学图像处理的基本技术,对图像分割、图像配准、图像融合、伪彩色处理和纹理分析技术进行了综述.介绍了三维医学图像的可视化和基于PACS的医学图像压缩在医学图像处理方面的应后.     

基于深度学习的视网膜分支动脉阻塞分割

视网膜疾病如视网膜动脉阻塞等的早期诊断和治疗是预防永久性视力损伤的关键。为辅助临床眼科医生更快、更准确地诊断视网膜疾病,提出一种基于深度学习的视网膜分支动脉阻塞分割的方法。首先,将三维视网膜光学相干断层扫描图像转换为二维B超扫描图像,通过二值化、仿射变换等方法提取视网膜区域作为感兴趣区域|然后将感兴趣区域送入条件生成对抗网络进行训练,实现BRAO病变区域分割|最后,采用腐蚀、闭运算等形态学运算排除假阳性。在20张来自20双眼睛、包含BRAO急性期和萎缩期视网膜OCT图像上进行四折交叉验证,平均正确率、真阳性率、假阳性率分别为94.7%、92.1%、5.0%,表明BRAO分割方法有效。     

基于改进模糊C均值聚类的心脏图像分割方法

针对医学图像进行分割时,存在的高噪声、低对比性及高相关性问题,提出了一种改进的模糊C均值聚类算法用于心脏医学图像的分割。考虑到噪声的存在,像素的领域信息易受到污染,导致聚类中心发生偏移,影响心脏图像的聚类效果,因此根据邻域像素的非局部噪声强弱定义了一个可以反映图像空间结构信息的自适应参数,用于聚类算法的线性加权,加强对噪声的抑制作用。实验证明,相比模糊C均值聚类算法和其他传统的图像分割方法,提出的算法对心脏医学图像具有更准确的分割效果。     

一种自动初始化水平集的高频能量最小化三维分割模型

序列图像分割是医学图像三维重建的重要研究内容,但受成像技术限制,医学图像中往往包含大量低频信息,如偏移场、灰度不均等,影响分割准确性。从频域进行图像分割能有效避免低频信息干扰。在高频能量最小化分割模型基础上进行优化,设计了一种自动初始化水平集的分割模型并成功应用于三维分割领域。首先,使用形态学腐蚀方法进行粗分割,将提取出的三维曲面作为初始水平集,实现初始水平集轮廓面自动化;然后使用衍化后的水平集三维分割模型对其进行细分割。实验结果表明,采用该模型能够实现多目标分割,与原模型、Chan Vese模型相比,分割结果更加准确。     

一种基于图像滤波的加权 FCM 图像分割算法

针对模糊C均值（ FCM）图像分割算法受初始值影响较大以及对噪声的抑制作用较差的问题,提出一种基于图像滤波的加权FCM图像分割算法。该算法采用快速FCM算法进行初分割,降低了初始值的影响,同时引入自适应中值滤波器,并与加权FCM 算法相结合进行迭代滤波分割,不仅能很好地抑制噪声的影响而且能使分割更精确。利用该算法分别对人工合成的和真实的含噪图像进行分割实验,实验结果表明：本文算法对含噪图像有很好的分割结果。     

C-V模型在乳腺X影像分割中的研究和应用

本文以数字乳房X片图像为对象,研究了医学图像分割的理论和算法。首先,文章对水平集方法以及主动轮廓模型的基本理论及其在图像分割领域的应用做了简单的概述。然后重点研究了C-V多相水平集方法,该方法具有理想的区域划分方案,可以分割分段常值和分段光滑图像,可以自然地避免多个水平集函数的重叠和"真空"问题。文章还指出初始位置对曲线演化的速度的影响,并且针对该问题提出了利用阈值分割技术对水平集函数进行初始化,通过优化水平集函数的初始位置来加快C-V模型的演化速度。基于C-V的图像分割算法作为医学诊断的辅助手段有极其重要的意义。     

一种图像自适应阈值分割算法

本文中简单介绍了在手腕骨X线片的自动判读系统中，对图像进行分割时改进的自适应阈值分割法。它是图像处理技术在医学和体育科学领域中的一个应用和尝试，此文的算法基于骨龄图像自动判读系统。     

分割技术的改进及在医学体视化中的应用

为了提高医学诊断和手术的准确性和科学性,需要设计一套基于微机平台、价格低廉且使用方便的医学体视化软件。在此以Visual C++6.0为开发工具,通过图像分割的几种不同算法的改进、设计与实现,对所产生的结果进行对比分析,得出结论,医学体数据的分割虽然还没有一个特定的标准,但对不同的医学体数据,不同的医学体数据类型,可以寻找一种较好的分割算法进行分割。