本文選題：血管分割 + 多尺度濾波�。� 參考：《中國生物醫(yī)學(xué)工程學(xué)報》2016年05期

【摘要】：血管的精確提取和定位,是實現(xiàn)心腦血管介入手術(shù)的關(guān)鍵。多尺度濾波算法可以增強血管目標,同時抑制背景噪聲,但并沒有把血管從圖像背景中區(qū)分出來�；诮y(tǒng)計學(xué)的分割算法,通過對直方圖進行擬合實現(xiàn)血管的分類,但需要調(diào)整混合模型去擬合特定的圖像直方圖。為了克服上述問題,提出一種具有固定模型的普適的血管分割方法。首先,利用多尺度濾波算法進行圖像預(yù)處理。其次,針對濾波增強后數(shù)據(jù)的直方圖曲線,用由3個概率分布函數(shù)(1個高斯和2個指數(shù))組成的混合模型進行擬合。期望最大化算法用于混合模型參數(shù)的估計。最后,通過最大后驗概率分類算法將血管分離出來。為了驗證上述方法的有效性,分別在仿真(phantom)數(shù)據(jù)、磁共振血管造影(MAR)數(shù)據(jù)和計算機斷層血管造影(CTA)數(shù)據(jù)上進行實驗測試。結(jié)果表明,所提出的方法在多套仿真數(shù)據(jù)上的分割誤差低于0.3%,同時對于不同模態(tài)的血管圖像具有很好的分割效果及較強的魯棒性。
[Abstract]:Accurate extraction and location of blood vessels is the key to the cardio-cerebrovascular interventional surgery. Multi-scale filtering algorithm can enhance vascular target and suppress background noise, but it does not distinguish blood vessel from image background. Based on the segmentation algorithm of statistics, the classification of blood vessels is realized by fitting histogram, but the mixed model needs to be adjusted to fit a specific image histogram. In order to overcome the above problems, a universal vascular segmentation method with a fixed model is proposed. Firstly, the multi-scale filtering algorithm is used for image preprocessing. Secondly, a hybrid model consisting of three probability distribution functions (1 Gao Si and 2 exponents) is used to fit the histogram curve of the filtered enhanced data. The expectation maximization algorithm is used to estimate the parameters of the mixed model. Finally, the blood vessels are separated by the maximum posterior probability classification algorithm. In order to verify the effectiveness of the above method, the phantom-simulated data, magnetic resonance angiography (MRA) data and computed tomography (CTAA) data were tested. The results show that the segmentation error of the proposed method is less than 0.3 on multiple sets of simulation data, and it has good segmentation effect and strong robustness for different modes of vascular images.
【作者單位】： 中國科學(xué)院深圳先進技術(shù)研究院生物醫(yī)學(xué)與健康工程研究所;
【基金】：國家自然科學(xué)基金國家高技術(shù)研究發(fā)展計劃(863計劃)(2015AA043203) 廣東省創(chuàng)新研究團隊項目(2011S013)
【分類號】：R445.2;TP391.41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 谷達,谷寧;在結(jié)構(gòu)混合模型基礎(chǔ)上的放大新概念[J];國外醫(yī)藥(抗生素分冊);1996年03期

2 車平;;一種利用混合模型研究基因與疾病間關(guān)聯(lián)的方法[J];東北師大學(xué)報(自然科學(xué)版);2009年02期

3 胡良平;混合模型及其在藥理研究中的應(yīng)用[J];數(shù)理統(tǒng)計與管理;1999年06期

4 趙景義;余紅梅;;參數(shù)混合模型在長期生存者資料分析中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計;2010年03期

5 李冬田;;用混合模型法鑒定小DNA病毒B19陽性血清的實驗室標準[J];國外醫(yī)學(xué)(微生物學(xué)分冊);1990年06期

6 李莉;余紅梅;劉桂芬;趙景義;;長期生存者資料分析中半?yún)?shù)混合模型的應(yīng)用[J];山西醫(yī)科大學(xué)學(xué)報;2009年09期

7 宮本一;具有親緣關(guān)系矩陣的混合模型的方差組分迭代估計——應(yīng)用于計算BLUP的方差比值和遺傳參數(shù)[J];遺傳學(xué)報;1992年05期

8 劉宏艷;胡治國;彭聃齡;;積極與消極情緒關(guān)系的理論及研究[J];心理科學(xué)進展;2008年02期

9 吳曉林,施啟順,柳小春,彭英林,蔣雋,楊仕柳,肖兵南;用混合模型定位一個復(fù)雜家豬家系13號染色體QTL的研究[J];遺傳學(xué)報;2002年01期

10 豐國棟;何祥彬;周荷琴;;基于Laplace-Impact混合模型的DR圖像去噪算法[J];中國醫(yī)療器械雜志;2009年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 沈樂君;;基于混合模型的多目標實時跟蹤算法[A];2013體育計算機應(yīng)用論文集[C];2013年

2 紀琳;黃震宇;;中頻振動混合模型理論的應(yīng)用局限性分析[A];現(xiàn)代振動與噪聲技術(shù)（第九卷）[C];2011年

3 汪傳建;李曉光;王大玲;于戈;;一種基于混合模型的文本分類器的研究與實現(xiàn)[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

4 徐斌;馬盡文;;一種柯西混合模型上梯度型BYY和諧學(xué)習算法[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

5 蘭永紅;吳敏;佘錦華;;基于二維混合模型的最優(yōu)重復(fù)控制[A];第二十六屆中國控制會議論文集[C];2007年

6 張勝利;張沅;;混合模型方法對QTL的檢測及定位效果[A];生命科學(xué)與生物技術(shù)：中國科協(xié)第三屆青年學(xué)術(shù)年會論文集[C];1998年

7 馬凌;周江;王文鼐;;突發(fā)性業(yè)務(wù)流的Gamma泊松混合模型及排隊性能研究[A];中國通信學(xué)會第五屆學(xué)術(shù)年會論文集[C];2008年

8 沈文豪;聶大仕;謝菲;;氣升式內(nèi)環(huán)流反應(yīng)器的液相流動混合模型[A];第一屆全國化學(xué)工程與生物化工年會論文摘要集(上)[C];2004年

9 趙廣建;，

本文編號：1895016