基于动态方向梯度矢量流模型的脑肿瘤图像分割
目的:针对GVF Snake模型算法收敛容易陷入局部极小值及对初始轮廓位置敏感等缺点,提出一种动态方向梯度矢量流模型(DDGVF),使其更适合医学图像的分割.方法:利用主动轮廓模型的提取和跟踪特定区域内目标轮廓的方法,将其应用于医学图像如CT、MRI和超声图像的处理,以获取特定器官及组织的轮廓.结果:动态方向梯度矢量流场(DDGVF)能够较好地提取出脑肿瘤图像.结论:利用该方法能够较好地分割提取出脑肿瘤图像的肿瘤病变区域,为进一步对其纹理和形状等特征进行描述和分析提供了可靠的依据.
脑肿瘤、图像分割、动态方向梯度矢量流模
12
R739.41;R814.42(肿瘤学)
2012-08-27(万方平台首次上网日期,不代表论文的发表时间)
1093-1097