基于核磁共振图像的脑肿瘤模糊目标边缘分割

发布时间：2021-04-04 19:19

　　针对现有的脑肿瘤模糊目标边缘分割方法,存在分割准确率低的问题,提出核磁共振图像的脑肿瘤模糊目标边缘分割方法。依据词袋模型构建视觉词典,采用密集采样方法选取脑肿瘤核磁共振图像,根据P-M模型与最大值-最小值方法去噪以及灰度化处理图像,将处理后的图像依据滑动窗口提取像素点特征,构建图像t混合模型。采用EM算法求解脑肿瘤模糊目标边缘,实现了脑肿瘤模糊目标边缘的分割。仿真对比实验结果显示,相较于现有脑肿瘤模糊目标边缘分割方法来看,提出的脑肿瘤模糊目标边缘分割方法极大的提升了分割准确率,充分显示提出的脑肿瘤模糊目标边缘分割方法具备更好的分割效果。 

【文章来源】：计算机仿真. 2020,37(10)北大核心

【文章页数】：5 页

【部分图文】：

视觉词典示意图

对于脑肿瘤核磁共振图像来说,每一个像素点均可以利用其特征表示[11]。提取像素点特征基本过程如图2所示。在滑动窗口中,目标像素点特征采用邻域像素点特征表示。提取像素点特征步骤如下:

码字图

【参考文献】：
期刊论文
[1]基于DCNN和全连接CRF的舌图像分割算法[J]. 张新峰,郭宇桐,蔡轶珩,孙萌.  北京航空航天大学学报. 2019(12)
[2]基于多核协同表示分类的脑肿瘤分割算法[J]. 葛婷,詹天明,牟善祥.  南京理工大学学报. 2019(05)
[3]基于3D深度残差网络与级联U-Net的缺血性脑卒中病灶分割算法[J]. 王平,高琛,朱莉,赵俊,张晶,孔维铭.  计算机应用. 2019(11)
[4]基于超像素和超度量轮廓图的无人机图像分割算法[J]. 宋以宁,刘文萍,宗世祥,骆有庆.  计算机辅助设计与图形学学报. 2019(08)
[5]基于改进支持向量机算法的超声图像分割技术[J]. 王萌.  生物医学工程研究. 2019(02)
[6]3维灰度矩阵的钢板缺陷图像识别[J]. 兰红,方治屿.  中国图象图形学报. 2019(06)
[7]基于最大熵生长检测器的模糊红外图像分割算法[J]. 于晓,吕欣欣,高强,叶溪.  激光杂志. 2019(03)
[8]磁共振弥散张量成像在脑肿瘤放射治疗中的应用[J]. 吴凌云,严丹方,严森祥.  中华放射医学与防护杂志. 2019 (03)
[9]改进Canny边缘检测的遥感影像分割[J]. 刘丽霞,李宝文,王阳萍,杨景玉.  计算机工程与应用. 2019(12)
[10]一种基于级联卷积网络的三维脑肿瘤精细分割[J]. 褚晶辉,李晓川,张佳祺,吕卫.  激光与光电子学进展. 2019(10)



本文编号：3118333