医学图像分割综述(共4页).doc
《医学图像分割综述(共4页).doc》由会员分享,可在线阅读,更多相关《医学图像分割综述(共4页).doc(4页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、精选优质文档-倾情为你奉上医学图像分割综述作者:王益东来源:健康必读(上旬刊)2018年第04期【摘 要】医学图像分割是指在医学图像中,利用计算机视觉技术,根据区域内像素的相似特性(纹理等)以及区域间的不同特性,将图像中感兴趣的区域(ROI)提取出来,获取有关人体组织器官的有效信息,反馈给医生以及学者作为诊断依据。随着计算机技术的日新月异和医疗设备的快速发展,医疗图像分割技术在影像医学中的作用日益增大。本文首先介绍了医学图像分割的背景及其应用。接着,详细分析了相关图像分割算法。最后,总结了医疗图像分割技术在目前面临的困难与挑战,并提出了展望。【关键词】医学影像;图像分割【中图分类号】TP391
2、.41 【文献标识码】A 【文章编号】1672-3783(2018)04-0281-011 引言近几年来,随着计算机视觉技术和磁共振成像技术(MRI)、正电子放射层析成像技术(PET)、计算机断层成像(CT)、单光子辐射断层摄像(SPECT)、超声(Ultrasound)等医学影像设备的飞速发展,医学图像分割技术在影像医学中所发挥的作用越来越大。医学图像分割技术则是把医学图像分割成若干个具有不同特性的区域,区域内保持一定的相似性,区域间有一定的相异性,从而提取出感兴趣的部分。医学图像分割在临床诊断中发挥着重要作用,如:(1)生物医学图像分析:解剖结构的测量、心脏运动跟踪等。(2)组织、器官定量
3、分析:通过对人体器官或是病变器官容积的定量检测,为医生的临床诊断提供依据。(3)医学图像3D重建:用于外科手术的仿真、药物治疗的评估等。目前,医学图像分割技术的发展仍然面临一些困境,主要原因在于医学图像的多样性、复杂性及其采集的困难性。由于人体器官位置的特殊性,医学图像采集较为困难,图形容易受到组织运动等问题的影响,所采集的医学图像相交于普通图像而言,噪声较大。并且人体间存在个体差异,不同人体的组织和器官差异较大。因此,针对医学图像对图像分割技术进行研究,显得尤为重要。2 医学图像分割算法2.1 基于区域的分割方法基于区域的分割方法要点在于利用区域内像素的相似特性(纹理等)和连续性以及区域间的
4、不同特性进行医学图像分割,可以分为阈值法、区域生长和分裂合并法、分类器和聚类法等。阈值分割法是最简单的一种图像分割方法。它按照选取的阈值个数分为单阈值分割和多阈值分割法。该方法建立在不同目标和背景在直方图上对应不同的峰值这个基础上。其优点是算法简单,对于灰度值相差大的物体分割效果好。其缺点是不适用于多通道图像和灰度值相差较小的物体。所以该方法一般用于图像预处理。区域生长和合并是按照一定的顺序一步一步串行进行图像分割的算法。该方法先选取一个生长点,将该点附近的相似像素一步一步合并到生长点所在的区域中。这种方法的优点是计算简单,缺点是需要人工选择生长点。分类器和聚类法是一种统计学习方法。分类器法是
5、对已知的训练样本进行监督学习形成分类器,再用该分类器对检测样本进行分类。这种算法计算复杂度低并且可以运用于多通道图像的分割,但是其需要人工标定的训练集,对人力需求比较大。聚类法和分类器法类似,不同点在于聚类法不需要人工标定好的训练集,是一种无监督学习算法。常见的聚类法有K均值法、期望最大法(EM)。分层聚类法等。聚类法不需要人工参与,是一种自学习算法。但是需要为图像分割提供初始参数并且未考虑图像空间信息,对噪声敏感。基于区域的分割方法除了上述方法之外还有基于随机场的分割方法、标记法、基于最小描述长度(MDL, minimum description length)法、混合分布法等一些统计学习方
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 医学 图像 分割 综述
限制150内