RSF模型的优化及其在MRI脑肿瘤分割中的应用

被引：9

作者：

程兆宁 ^{[1
,2
]}

宋志坚 ^{[1
,2
]}

机构：

[1] 复旦大学数字医学研究中心

[2] 上海市MICCAI重点实验室

来源：

生物医学工程学杂志 | 2013年 / 02期

关键词：

脑肿瘤; 医学图像分割; MRI图像; 可变区域拟合模型; 水平集;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

磁共振成像(MRI)具有图像模糊,灰度不均等特点,其分割问题一直都是研究的热点和难点。可变区域拟合(RSF)能量模型是一种较新的区域活动轮廓模型,可用于灰度不均匀图像的分割。然而,RSF模型设定的水平集函数(LSF)不适合初始轮廓内外灰度分布不同的环境,应用于整体灰度环境复杂的脑肿瘤MRI图像时,通常得不到理想的分割结果。构建新的LSF,并辅以mean shift平滑算法可使其更适用于肿瘤图像的分割,使新模型具有更好的收敛性和目标指向性。利用优化后的模型进行一系列实验,其结果表明:该算法鲁棒性强,可以快速、准确地分割出MRI图像中的脑肿瘤,具有显著的临床意义。

引用

页码：265 / 271

页数：7

共 6 条

[1] Parametric active contour model by using the honey bee mating optimization [J].

Horng, Ming-Huwi ;

Liou, Ren-Jean ;

Wu, Jun .

EXPERT SYSTEMS WITH APPLICATIONS, 2010, 37 (10) :7015-7025

[2] Nonlinear Mean Shift over Riemannian Manifolds [J].

Subbarao, Raghav ;

Meer, Peter .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2009, 84 (01) :1-20

[3]

A Multiphase Level Set Framework for Image Segmentation Using the Mumford and Shah Model.[J] . Luminita A. Vese,Tony F. Chan. International Journal of Computer Vision . 2002 (3)

[4]

Geodesic Active Contours.[J] . Vicent Caselles,Ron Kimmel,Guillermo Sapiro. International Journal of Computer Vision . 1997 (1)

[5]

Snakes: Active contour models[J] . Michael Kass,Andrew Witkin,Demetri Terzopoulos. International Journal of Computer Vision . 1988 (4)

[6]

Vessel extraction under non-u-niform illumination:a level set approach .2 SUM K W,CHEUNG P Y S. IEEE Trans Bi-omed Eng . 2008

← 1 →