本文關(guān)鍵詞：基于稀疏特征競爭和形狀相似性的超聲圖像序列分割方法　出處：《中國科學(xué):信息科學(xué)》2017年06期 　論文類型：期刊論文

  更多相關(guān)文章： 超聲圖像序列分割 活動輪廓模型 稀疏特征競爭 形狀相似性

【摘要】：從超聲圖像序列中精確地分割出目標區(qū)域?qū)τ谔岣呋诔晥D像引導(dǎo)的計算機輔助治療的效果具有重要的意義.活動輪廓模型被廣泛地應(yīng)用于醫(yī)學(xué)圖像的分割,但是超聲圖像固有的低信噪比、灰度分布不均勻等特點導(dǎo)致活動輪廓容易搜索到錯誤的區(qū)域.為此,學(xué)者們提出了不同的目標特征或形狀先驗知識來約束活動輪廓的演化.目前,大多數(shù)目標圖像特征的工作僅限于提取目標區(qū)域信息的特征,目標形狀先驗也需要通過對大量訓(xùn)練樣本中的目標形狀進行學(xué)習(xí),而且訓(xùn)練樣本中形狀是否能足夠描述分割目標的形狀信息也是值得懷疑的.本文提出了一種基于稀疏特征競爭和形狀相似性的超聲圖像序列分割方法.該方法首先利用稀疏表達理論分別構(gòu)建目標和背景的特征字典,并根據(jù)目標和背景特征字典的重構(gòu)誤差構(gòu)建一種基于稀疏特征競爭的目標搜索策略,從而提高活動輪廓搜索真實邊緣的魯棒性.然后,對圖像序列中目標形狀的相似性進行建模,并證明了目標形狀的變化符合低秩屬性,該屬性可看作是對圖像序列中目標形狀的先驗知識進行無監(jiān)督學(xué)習(xí).為了驗證該方法的性能,本文采用臨床的超聲圖像序列作為訓(xùn)練和測試集合,并與其他3種典型的分割方法在同一測試集合下進行比較.實驗結(jié)果顯示,針對超聲圖像中出現(xiàn)的邊緣模糊、缺失等缺點,該方法提供了更準確和魯棒的分割結(jié)果,從而提高了計算機輔助治療的效率和效果.
【作者單位】： 湖北理工學(xué)院計算機學(xué)院;武漢大學(xué)計算機學(xué)院;
【基金】：國家自然科學(xué)基金(批準號:61303215) 湖北省教育廳青年人才項目(批準號:Q20154404)資助
【分類號】：TB559;TP391.41
【正文快照】： 1引言高強度超聲聚焦(high intensity ultrasound focuse,HIFU)作為一種基于超聲圖像引導(dǎo)的計算機輔助治療取得了良好的治療效果[1,2].如圖1所示,精確地從超聲圖像序列分割出病灶區(qū)域?qū)μ岣逪IFU治療的效果具有重要意義.目前這項工作是由臨床醫(yī)生在每一幀圖像上對目標區(qū)域進行

【相似文獻】

相關(guān)期刊論文 前1條

1 杜述松;袁艷;相里斌;陶然;張文喜;;干涉光譜圖像序列壓縮的實驗研究[J];光子學(xué)報;2007年09期

相關(guān)博士學(xué)位論文 前1條

1 魏交統(tǒng);基于變電壓圖像序列盲分離的X射線多譜CT成像[D];中北大學(xué);2016年

，

本文編號：1327104