10.3969/j.issn.1000-7024.2014.06.040
基于先验形状信息核图割模型的肝脏分割方法
由于肝脏核磁图像存在边缘模糊、噪声大、灰度分布不均匀等特点,一般分割算法效果不甚理想.为了提高分割效果,提出了一种基于先验形状信息的核图割(kernel graph cuts,KGC)模型.采用区域增长算法在待分割的肝脏区域进行预分割,再用形态学算子进行膨胀腐蚀操作,形成初始分割轮廓;将形状模板集和初始轮廓配准后进行核主成分分析(kernel principle component analysis,KPCA),训练出先验形状信息;在kernel Graph cuts模型的能量函数中融入先验形状信息,并在初始轮廓的基础上进行进一步精确分割.实验结果表明,提出的方法能准确分割出核磁图像中边界模糊、噪声污染大的肝脏边界,且无边界泄露和相似组织误分割等现象.
肝脏分割、核磁图像、核图割、核主成分分析、先验形状信息
35
TP391.41(计算技术、计算机技术)
国家自然青年基金项目61103165;国家自然科学基金项目81171402;深圳市杰出青年基金项目JC201005260248A
2014-07-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
2084-2089