目的甲狀腺結(jié)節(jié)超聲圖像的精確分割對(duì)甲狀腺結(jié)節(jié)的良惡性診斷尤為重要。目前,對(duì)于甲狀腺結(jié)節(jié)超聲圖像的分割,有學(xué)者提出利用主動(dòng)輪廓模型分割算法,但是由于活動(dòng)輪廓分割算法需要手動(dòng)設(shè)置迭代次數(shù),未實(shí)現(xiàn)模型的自適應(yīng)性。因此,本文提出了一種基于改進(jìn)的無(wú)邊緣主動(dòng)輪廓-局部區(qū)域可控的擬合（Chan-Vese-region scalable fitting,CV-RSF）模型的甲狀腺結(jié)節(jié)超聲圖像自適應(yīng)分割算法。方法選取南京同仁醫(yī)院12例患者的甲狀腺結(jié)節(jié)超聲圖像用于實(shí)驗(yàn)。首先,在無(wú)邊緣主動(dòng)輪廓（Chan-Vese,CV）模型中,引入一個(gè)基于梯度的邊緣引導(dǎo)函數(shù),根據(jù)面積變化率,自適應(yīng)地獲取甲狀腺結(jié)節(jié)的粗分割輪廓;然后,將粗分割輪廓作為局部區(qū)域可控的擬合（region-scalable fitting,RSF）模型的初始輪廓,并根據(jù)面積變化率,自適應(yīng)地獲取甲狀腺結(jié)節(jié)最終分割結(jié)果。將改進(jìn)模型分割的結(jié)果與CV模型、RSF模型分割的結(jié)果進(jìn)行比較,并分析甲狀腺結(jié)節(jié)邊緣清晰度對(duì)分割結(jié)果的影響。結(jié)果本文模型算法分割結(jié)果的平均迭代次數(shù)、平均面積重疊率、平均Hausdorff分別達(dá)到了134、90.34%、9.77,均優(yōu)于CV... 

【文章來(lái)源】：北京生物醫(yī)學(xué)工程. 2020,39(03)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

邊緣清晰的甲狀腺結(jié)節(jié)超聲圖像分割結(jié)果

圖2中的原始圖像是邊緣不清晰的甲狀腺結(jié)節(jié)超聲圖像，初始輪廓是半徑為26的圓。經(jīng)過(guò)實(shí)驗(yàn)可得，CV模型在迭代300次時(shí)面積變化較小，即可實(shí)現(xiàn)結(jié)節(jié)的分割；RSF模型在迭代400次時(shí)面積變化較小，即可實(shí)現(xiàn)結(jié)節(jié)的分割。因此可將CV模型的迭代次數(shù)手動(dòng)設(shè)置為300次、RSF模型的迭代次數(shù)手動(dòng)設(shè)置為400次。由于改進(jìn)的CV模型結(jié)合局部的邊緣信息和全局信息，以迭代前后面積變化率為迭代停止條件，得到圖像的粗分割輪廓，并且以粗分割輪廓作為RSF模型的初始輪廓，得到最終的分割結(jié)果，不僅提高了分割的準(zhǔn)確度，而且提高了分割效率，使得改進(jìn)的CV-RSF模型迭代202次即可得到最終的分割結(jié)果。CV模型、RSF模型和本文模型的分割結(jié)果如圖2所示。通過(guò)對(duì)比CV模型、RSF模型以及本文模型的分割結(jié)果可以得出，圖2原始圖像中，結(jié)節(jié)邊界不清晰，灰度分布不均勻，在手動(dòng)給定初始輪廓后，CV模型在分割時(shí)出現(xiàn)邊緣泄露；比較RSF模型分割的結(jié)果與本文模型的分割結(jié)果，本文分割的效果較好。因此，本文模型不僅能夠分割邊緣清晰的結(jié)節(jié)，而且能夠分割邊緣不清晰的結(jié)節(jié)。

【參考文獻(xiàn)】：
期刊論文
[1]基于Chan-Vese模型的甲狀腺結(jié)節(jié)超聲圖像分割方法[J]. 鄭斌,徐峰,郭進(jìn)祥,劉立波.  電腦與電信. 2018(06)
[2]2016版《甲狀腺結(jié)節(jié)超聲診斷指南》在甲狀腺良惡性結(jié)節(jié)鑒別中的應(yīng)用[J]. 王萍,劉健,岳文勝,羅玉群,李祖坤.  實(shí)用醫(yī)學(xué)影像雜志. 2017(06)
[3]甲狀腺小結(jié)節(jié)的診斷與管理:甲狀腺結(jié)節(jié)6項(xiàng)指南的比較研究[J]. J.H.Yoon,K.Han,E.K.Kim,H.J.Moon,J.Y.Kwak,趙智勇.  國(guó)際醫(yī)學(xué)放射學(xué)雜志. 2017(04)
[4]改進(jìn)LIC模型的甲狀腺結(jié)節(jié)超聲圖像分割算法[J]. 王昕,李亮,才曉東.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(01)
[5]結(jié)合局部信息改進(jìn)的C-V超聲圖像分割模型[J]. 鄭偉,張晶,李凱玄,郝冬梅.  光電工程. 2015(08)
[6]高光譜海岸帶區(qū)域分割的活動(dòng)輪廓模型[J]. 王相海,金弋博.  中國(guó)圖象圖形學(xué)報(bào). 2013(08)
[7]結(jié)合全局和雙核局部擬合的活動(dòng)輪廓分割模型[J]. 趙杰,祁永梅,潘正勇.  計(jì)算機(jī)應(yīng)用. 2013(04)
[8]甲狀腺結(jié)節(jié)和分化型甲狀腺癌診治指南[J].   中國(guó)腫瘤臨床. 2012(17)
[9]融合局部和全局圖像信息的活動(dòng)輪廓模型[J]. 劉瑞娟,何傳江,原野.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2012(03)

碩士論文
[1]超聲甲狀腺結(jié)節(jié)圖像分割算法研究[D]. 徐文杰.長(zhǎng)春工業(yè)大學(xué) 2017
[2]超聲甲狀腺結(jié)節(jié)自動(dòng)分級(jí)相關(guān)技術(shù)研究[D]. 龍亞超.電子科技大學(xué) 2017



本文編號(hào)：3257956