基于Hessian矩阵跟踪算法在血管新生量化中的应用

摘要：

血管新生与肿瘤的生长密切相关,CAM(鸡胚绒毛尿囊膜)是研究血管新生的常用载体,所以通常对CAM中特定区域的血管分割量化来衡量抗肿瘤药物对血管的抑制作用.本文提出一种CAM图像分割算法,首先利用Hessian矩阵下多尺度分析得到一个初始的CAM血管轮廓,在此基础上跟踪未知血管,得到的最终分割结果.最后,对分割出的CAM血管进行骨架提取、裁剪等处理,计算出图像中血管的密度、长度和分叉点个数等量化指标,综合评价血管的生长情况.在相同系列的CAM图像上和其他方法进行实验对比.结果显示基于Hessian矩阵跟踪算法可以为血管新生状况提供有效的分析,尤其对微小血管的检测比较优越,而且具有更高的准确率.

关键词：血管新生、Hessian矩阵、鸡胚绒毛尿囊膜图像、跟踪算法

所属期刊栏目：5

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2015-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：65-68