針對(duì)宮頸圖像病灶分割時(shí)的初始輪廓敏感問題和圖像灰度不明顯問題,提出一種新的改進(jìn)的水平集算法。首先利用各向異性濾波算法等進(jìn)行圖像的去噪;然后在二值圖像上使用區(qū)域生長(zhǎng)算法,提取出粗糙的宮頸病灶區(qū)域;最后建立一種基于新的符號(hào)壓力函數(shù)的水平集模型,對(duì)初始分割進(jìn)行細(xì)化。該算法可以將局部信息與全局信息結(jié)合起來并自動(dòng)分配局部信息與全局信息的比例。以3種統(tǒng)計(jì)指標(biāo)為標(biāo)準(zhǔn)對(duì)該方法進(jìn)行了評(píng)估,該方法在準(zhǔn)確性、敏感性和特異性上可分別達(dá)到81.11%、63.97%和78.64%,分別比傳統(tǒng)水平集算法高30.69%、15.15%和4.37%。因而,這種改進(jìn)的水平集算法在實(shí)際應(yīng)用中有一定的價(jià)值和意義。 

【文章來源】：電子測(cè)量與儀器學(xué)報(bào). 2020年09期 北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

圖像預(yù)處理

區(qū)域生長(zhǎng)的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域,先對(duì)需要分割的區(qū)域找一個(gè)像素作為生長(zhǎng)起點(diǎn),然后將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素合并到它所在的區(qū)域中,這些像素根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來判定[9]。通過區(qū)域生長(zhǎng),可以分割整個(gè)宮頸病變區(qū)域的大致輪廓,為后續(xù)的水平集分割提供一個(gè)輪廓基礎(chǔ)[10],其結(jié)果如圖2所示。2.2 水平集算法(level set method, LSM)

水平集分割

【參考文獻(xiàn)】：
期刊論文
[1]基于投影圖像特征匹配的微納CT焦點(diǎn)漂移校正[J]. 蔡玉芳,賈琳琳,王玨,葛敏雪.  儀器儀表學(xué)報(bào). 2019(10)
[2]基于改進(jìn)的LIP算法低照度圖像增強(qiáng)算法[J]. 張艷,張明路,蔣志宏,呂曉玲.  電子測(cè)量與儀器學(xué)報(bào). 2019(11)
[3]基于形態(tài)學(xué)重建和GMM的球團(tuán)顆粒圖像分割[J]. 劉小燕,吳鑫,孫煒,毛傳剛.  儀器儀表學(xué)報(bào). 2019(03)
[4]基于改進(jìn)區(qū)域生長(zhǎng)算法的冠脈OCT圖像鈣化斑塊分割[J]. 宋笑語,李艷,張花齊,盧倩,王光磊.  電子測(cè)量與儀器學(xué)報(bào). 2018(12)
[5]基于配準(zhǔn)圖像與水平集算法的宮頸熒光多生暗區(qū)分割方法[J]. 劉君,余婷婷,石慧娟,陸晗.  中國(guó)醫(yī)學(xué)影像學(xué)雜志. 2018(09)
[6]基于Omega-K算法的快速全聚焦超聲成像研究[J]. 陳堯,冒秋琴,陳果,石文澤,盧超.  儀器儀表學(xué)報(bào). 2018(09)
[7]基于圖像灰度梯度特征的鋼軌表面缺陷檢測(cè)[J]. 閔永智,岳彪,馬宏鋒,肖本郁.  儀器儀表學(xué)報(bào). 2018(04)
[8]基于濾波器組與中心對(duì)稱局部二值模式的內(nèi)窺鏡病灶圖像檢測(cè)方法[J]. 江韜,賈智偉,劉勇,陳立福.  電子測(cè)量與儀器學(xué)報(bào). 2018(02)
[9]穩(wěn)定表達(dá)人乳頭瘤病毒58型（HPV58）E6E7融合基因的人宮頸癌細(xì)胞株C33A的構(gòu)建及驗(yàn)證[J]. 賈超穎,馬偉紅,王鶴.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(04)
[10]基于匹配濾波和自動(dòng)閾值的眼底血管分割方法[J]. 曹新容,薛嵐燕,林嘉雯,余輪.  電子測(cè)量與儀器學(xué)報(bào). 2017(01)



本文編號(hào)：2951938