搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多分辨率水平集算法的乳腺MR图像分割

范虹 朱艳春 王芳梅 张旭梅

多分辨率水平集算法的乳腺MR图像分割

范虹, 朱艳春, 王芳梅, 张旭梅
PDF
导出引用
  • 针对乳腺MR图像信息量大、灰度不均匀、边界模糊、难分割的特点,提出一种多分辨率水平集乳腺MR图像分割算法. 算法的核心是首先利用小波多尺度分解对图像进行多尺度空间分析,得到粗尺度图像;然后对粗尺度图像利用改进CV 模型进行分割. 为了去除乳腺MR图像中灰度偏移场对分割效果的影响,算法中引入局部拟合项,并用核函数进一步改进CV模型,进而对粗尺度分割效果进行优化处理. 仿真和临床数据分割结果表明,所提算法分割灰度不均匀图像具有较高的分割精度和鲁棒性,能够有效的实现乳腺MR图像的分割.
    • 基金项目: 陕西省科学技术研究发展计划(批准号:2012K06-36)和陕西师范大学中央高校基本科研业务费(批准号:GK201102006)资助的课题.
    [1]

    Bao S L, Zhou C N, Guo Z G 2010 Biology Fundamental Theory of Medical Imaging (1st Ed.) (Beijing: Higher Education Press) p307 (in Chinese) [包尚联, 周传农, 郭占国 2010 医学影像生物学基础(第1版) (北京: 高等教育出版社) p307]

    [2]

    Cui Y F, Tan Y Q, Zhao B S, Liberman L, Parbhu R, Kaplan J, Theodoulou M, Hudis C, Schwartz LH 2009 Med. Phys. 36 4359

    [3]

    Seiko KS, Kuroki Y, Nasu K, Nawano S, Moriyama N, Okazaki M 2007 Magn. Reson. Ned Sci. 6 21

    [4]

    Tang X, Hong L M, Zu D L 2010 Chin. Phys. B 19 078702

    [5]

    Xu Y, Wang W T, Wang W M 2012 Chin. Phys. B 21 118704

    [6]

    Zu Z L, Zhou K, Zhang S G, Gao S, Bao S L 2008 Chin. Phys. B 17 328

    [7]

    Bao S L, Du J, Gao S 2013 Acta Phys. Sin. 62 088701 (in Chinese)[包尚联, 杜江, 高嵩 2013 物理学报 62 088701]

    [8]

    Zhang S Y, Bao S L, Kang X J 2013 Acta Phys. Sin. 62 208703 (in Chinese)[张首誉, 包尚联, 康孝俭, 高嵩 2013 物理学报 62 208703]

    [9]

    Fang S, Wu W C, Ying K, Guo H 2013 Acta Phys. Sin. 62 048702 (in Chinese)[方晟, 吴文川, 应葵, 郭华 2013 物理学报 62 048702]

    [10]

    Osher S, Sethian J 1988 A Journal of Computational Physics 79 12

    [11]

    Qian Y, Zhang Y J 2008 Journal of Image and Graphic 13 7) (in Chinese) [钱芸, 张英杰 2008 中国图象图形学报 13 7]

    [12]

    Chan F T, Vese L 2001 IEEE Transactions on Image Processing 10 266

    [13]

    Klifa C, Carballido-Gamio J, Wilmes L, Laprieb A, Shepherda J, Gibbsa J, Fana B, Noworolskia S, Hyltona N 2010 Magnetic Resonance Imaging 28 8

    [14]

    Gwo C Y, Wei C H, Li Y, Huang PJ 2013 European Journal of Radiology 82 e176

    [15]

    Hayton P, Brady M, Tarassenko L, Moore N 1997 Med. Image Anal. 1 207

    [16]

    Twellmann T, Lichte O, Nattkemper TW 2005 IEEE Trans. Med. Imaging 24 1256

    [17]

    Otsu N 1979 IEEE Trans. Syst. Man. Cybernet. 9 62

    [18]

    Li C M, Kao C Y, John Gore C, Ding Z H 2008 IEEE Transactions on Image Processing 17 1940

    [19]

    Liu H H, Chen Z H, Chen X H Chen Y G 2005 Proceeding of IEEE Engineering in Medicine and Biology 27th Annual Conference Shanghai, China, Septembei 1-4, 2005

    [20]

    Olivier B, Denis F, Philippe T, Michael U 2009 IEEE Transactions on Image Processing 18 1179

    [21]

    Li C M, Huan R, Ding Z H, Chris Gatenby J, Metaxas D N, Gorel J C 2011 IEEE Transactions on Image Processing 20 2007

  • [1]

    Bao S L, Zhou C N, Guo Z G 2010 Biology Fundamental Theory of Medical Imaging (1st Ed.) (Beijing: Higher Education Press) p307 (in Chinese) [包尚联, 周传农, 郭占国 2010 医学影像生物学基础(第1版) (北京: 高等教育出版社) p307]

    [2]

    Cui Y F, Tan Y Q, Zhao B S, Liberman L, Parbhu R, Kaplan J, Theodoulou M, Hudis C, Schwartz LH 2009 Med. Phys. 36 4359

    [3]

    Seiko KS, Kuroki Y, Nasu K, Nawano S, Moriyama N, Okazaki M 2007 Magn. Reson. Ned Sci. 6 21

    [4]

    Tang X, Hong L M, Zu D L 2010 Chin. Phys. B 19 078702

    [5]

    Xu Y, Wang W T, Wang W M 2012 Chin. Phys. B 21 118704

    [6]

    Zu Z L, Zhou K, Zhang S G, Gao S, Bao S L 2008 Chin. Phys. B 17 328

    [7]

    Bao S L, Du J, Gao S 2013 Acta Phys. Sin. 62 088701 (in Chinese)[包尚联, 杜江, 高嵩 2013 物理学报 62 088701]

    [8]

    Zhang S Y, Bao S L, Kang X J 2013 Acta Phys. Sin. 62 208703 (in Chinese)[张首誉, 包尚联, 康孝俭, 高嵩 2013 物理学报 62 208703]

    [9]

    Fang S, Wu W C, Ying K, Guo H 2013 Acta Phys. Sin. 62 048702 (in Chinese)[方晟, 吴文川, 应葵, 郭华 2013 物理学报 62 048702]

    [10]

    Osher S, Sethian J 1988 A Journal of Computational Physics 79 12

    [11]

    Qian Y, Zhang Y J 2008 Journal of Image and Graphic 13 7) (in Chinese) [钱芸, 张英杰 2008 中国图象图形学报 13 7]

    [12]

    Chan F T, Vese L 2001 IEEE Transactions on Image Processing 10 266

    [13]

    Klifa C, Carballido-Gamio J, Wilmes L, Laprieb A, Shepherda J, Gibbsa J, Fana B, Noworolskia S, Hyltona N 2010 Magnetic Resonance Imaging 28 8

    [14]

    Gwo C Y, Wei C H, Li Y, Huang PJ 2013 European Journal of Radiology 82 e176

    [15]

    Hayton P, Brady M, Tarassenko L, Moore N 1997 Med. Image Anal. 1 207

    [16]

    Twellmann T, Lichte O, Nattkemper TW 2005 IEEE Trans. Med. Imaging 24 1256

    [17]

    Otsu N 1979 IEEE Trans. Syst. Man. Cybernet. 9 62

    [18]

    Li C M, Kao C Y, John Gore C, Ding Z H 2008 IEEE Transactions on Image Processing 17 1940

    [19]

    Liu H H, Chen Z H, Chen X H Chen Y G 2005 Proceeding of IEEE Engineering in Medicine and Biology 27th Annual Conference Shanghai, China, Septembei 1-4, 2005

    [20]

    Olivier B, Denis F, Philippe T, Michael U 2009 IEEE Transactions on Image Processing 18 1179

    [21]

    Li C M, Huan R, Ding Z H, Chris Gatenby J, Metaxas D N, Gorel J C 2011 IEEE Transactions on Image Processing 20 2007

  • 引用本文:
    Citation:
计量
  • 文章访问数:  1749
  • PDF下载量:  491
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-11-14
  • 修回日期:  2014-01-15
  • 刊出日期:  2014-06-05

多分辨率水平集算法的乳腺MR图像分割

  • 1. 陕西师范大学 计算机科学学院, 西安 710062;
  • 2. 北京大学物理学院, 医学物理和工程北京市重点实验室, 北京 100871
    基金项目: 

    陕西省科学技术研究发展计划(批准号:2012K06-36)和陕西师范大学中央高校基本科研业务费(批准号:GK201102006)资助的课题.

摘要: 针对乳腺MR图像信息量大、灰度不均匀、边界模糊、难分割的特点,提出一种多分辨率水平集乳腺MR图像分割算法. 算法的核心是首先利用小波多尺度分解对图像进行多尺度空间分析,得到粗尺度图像;然后对粗尺度图像利用改进CV 模型进行分割. 为了去除乳腺MR图像中灰度偏移场对分割效果的影响,算法中引入局部拟合项,并用核函数进一步改进CV模型,进而对粗尺度分割效果进行优化处理. 仿真和临床数据分割结果表明,所提算法分割灰度不均匀图像具有较高的分割精度和鲁棒性,能够有效的实现乳腺MR图像的分割.

English Abstract

参考文献 (21)

目录

    /

    返回文章
    返回