颅内异常声压干扰下脑瘫病变区域分割仿真

研究脑瘫病变医学图像边缘准确分割问题。脑瘫病变医学图像受到颅内声压的干扰,在采集过程中对病变区域特征属性形成干扰,造成病变区域特征边缘模糊化。传统算法在随机声压干扰下的脑瘫病变医学图像特征边缘模糊,无法形成有效的约束,造成病变区域分割精度下降。为提高精度,提出利用GCA演化模型的脑瘫病变区域分割方法。采集脑瘫病变区域图像,计算图像中不同像素的关联性,为克服干扰,对图像像素进行碰撞运算,实现脑瘫图像边缘增强。计算SUSAN检测算子,获取GAC演化模型,对获取的结果进行抗干扰处理,实现脑瘫病变区域分割。实验结果表明,利用改进算法进行脑瘫病变区域分割,能够避免颅内异常声压的干扰,为临床诊断提供依据。