结合伪彩色与上下文感知的肺癌PET图像分割算法

发布时间：2020-08-28 15:22

　　 由于肺癌PET成像质量较低且待分割区域边界没有明显的灰度差,使得基于颜色特征的图像分割算法不能做到有效分割。提出了结合伪彩色与上下文感知的肺癌PET图像分割算法。首先,将原始的肺癌PET图像根据彩色查找表生成对应的伪彩图;然后,使用改进的上下文感知模型获得伪彩图对应的显著图,并采用大津法对显著图进行二值化处理,初始化显著图的分割区域;最后,使用改进的Grab Cut算法迭代分割图像。算法应用于肺癌的PET图像分割。实验结果表明,该算法有效提升肺癌PET图像的分割效率、提升分割精度,取消Grab Cut算法、Snake算法的用户操作,实现图像分割自动化,具有较高的可靠性、执行效率、以及实际应用价值。
【部分图文】：

法相比较，本文算法的分割结果最接近真实分割。图3PET1和PET2的标准分割与本文分割图(a1)PET1(a2)标准分割(a3)本文算法(b1)PET2(b2)标准分割(b3)本文算法图4对比算法的PET1和PET2图像分割结果(a1)GrabCut(a2)Snake(a3)CA鄄GrabCut(ｂ1)GrabCut(ｂ2)Snake(ｂ3)CA鄄GrabCut本文采用三个评价指标［12］衡量不同算法的图像分割效果。评价指标为:过分割率(oversegmentationrate，OＲ)、欠分割率(undersegmentationrate，UＲ)、总体误差率(overallerrorrate，EＲ)，计算结果为百分比，公式如下:OＲ=Qp/Dp(11)UＲ=Up/Dn(12)EＲ=(Qp+Up)/(Dp+Dn)(13)其中:Dp为该类的像素点集合，Dn为非该类的像素点集合，Qp为没有划分到该类的目标像素点集合，Up为错误划分到该类的像素点集合。OＲ和UＲ越大，则图像分割结果的过分割与欠分割越严重，EＲ越大则分割误差越大;三个指标越小，算法的分割效果越好。表1OＲ评价指标图像SnakeGrabCutCA-GrabCut本文算法PET12．93．817．64．2PET21．15．435．22．9表2UＲ评价指标图像SnakeGrabCutCA-GrabCut本文算法PET145．336．81．43．3PET240．127．60．32．1表3EＲ评价指标图像SnakeGrabCutCA-GrabCut本文算法PET130．623．411．53．4PET228．122．718．82．3根据表3中的数据，本文算法图像分割的正确率明显优于其他三种算法。Snake算法与GrabCut算法在图像分割中，出现了明显的欠分割，分割结果包含大量的背景区域;CA-Grab-Cut算法的分割结果出现了严重的过收敛，部分目标区域被划分到背景区域中。本文算法的分割结果，最接近标准分割，总体误差率在4%以下，而其他三种算法的整体误差率均超过了11%。在本文实验的30幅肺癌PET图像，实验

法相比较，本文算法的分割结果最接近真实分割。图3PET1和PET2的标准分割与本文分割图(a1)PET1(a2)标准分割(a3)本文算法(b1)PET2(b2)标准分割(b3)本文算法图4对比算法的PET1和PET2图像分割结果(a1)GrabCut(a2)Snake(a3)CA鄄GrabCut(ｂ1)GrabCut(ｂ2)Snake(ｂ3)CA鄄GrabCut本文采用三个评价指标［12］衡量不同算法的图像分割效果。评价指标为:过分割率(oversegmentationrate，OＲ)、欠分割率(undersegmentationrate，UＲ)、总体误差率(overallerrorrate，EＲ)，计算结果为百分比，公式如下:OＲ=Qp/Dp(11)UＲ=Up/Dn(12)EＲ=(Qp+Up)/(Dp+Dn)(13)其中:Dp为该类的像素点集合，Dn为非该类的像素点集合，Qp为没有划分到该类的目标像素点集合，Up为错误划分到该类的像素点集合。OＲ和UＲ越大，则图像分割结果的过分割与欠分割越严重，EＲ越大则分割误差越大;三个指标越小，算法的分割效果越好。表1OＲ评价指标图像SnakeGrabCutCA-GrabCut本文算法PET12．93．817．64．2PET21．15．435．22．9表2UＲ评价指标图像SnakeGrabCutCA-GrabCut本文算法PET145．336．81．43．3PET240．127．60．32．1表3EＲ评价指标图像SnakeGrabCutCA-GrabCut本文算法PET130．623．411．53．4PET228．122．718．82．3根据表3中的数据，本文算法图像分割的正确率明显优于其他三种算法。Snake算法与GrabCut算法在图像分割中，出现了明显的欠分割，分割结果包含大量的背景区域;CA-Grab-Cut算法的分割结果出现了严重的过收敛，部分目标区域被划分到背景区域中。本文算法的分割结果，最接近标准分割，总体误差率在4%以下，而其他三种算法的整体误差率均超过了11%。在本文实验的30幅肺癌PET图像，实验

【参考文献】

相关期刊论文 前5条

1 陈林伟;吴向平;;结合显著性的GrabCut及在骨髓细胞图像分割中的应用[J];中国计量学院学报;2014年01期

2 毕晓君;肖婧;;差分进化算法GVF Snake模型在PET图像分割中的应用[J];中国图象图形学报;2011年03期

3 崔颢;余瑞星;王维语;;基于伪彩色的感兴趣目标检测方法[J];航空计算技术;2011年02期

4 周胜安;;一种基于前景物形态的GrabCut改进算法[J];电脑知识与技术;2010年33期

5 谢从华;朱峰;王立军;武园园;;基于密度聚类的医学图像分割DCMIS[J];计算机应用研究;2007年02期

【共引文献】

相关期刊论文 前10条

1 戴庆焰;朱仲杰;段智勇;李伟杰;;基于超像素和改进迭代图割算法的图像分割[J];计算机工程;2016年07期

2 夏海英;肖雯静;薛茗月;;微流控芯片下的单细胞轮廓定位与提取[J];广西师范大学学报(自然科学版);2016年02期

3 庾鹏;王旭;仝天乐;王秀超;;基于GrabCut算法和四帧差分法的目标提取算法[J];微型机与应用;2016年11期

4 蔡舒妤;师利中;;基于改进混沌差分进化算法的机体损伤区域划分[J];计算机工程;2015年11期

5 陈骏;刘晓利;;基于分形的改进Grabcut目标自动分割[J];计算机工程与应用;2017年01期

6 张静林;高红;马宝英;;一种改进的梯度矢量流Snake侧脑室分割算法[J];中国医学物理学杂志;2015年05期

7 薄萍萍;宫汝江;;一种OFDM多带联合频谱感知新算法[J];电子科技;2015年08期

8 呼延秀娟;梁英;;基于光流场和Grabcut算法融合的运动目标分割[J];电子技术;2015年02期

9 黄淑英;杨勇;;基于改进各向异性扩散冲击滤波器模型的图像去噪[J];中南大学学报(自然科学版);2014年09期

10 柳欢欢;姚明海;王宪保;;基于小波变换的GrabCut图像分割[J];计算机系统应用;2014年08期

【二级参考文献】

相关期刊论文 前6条

1 刘毅;黄兵;孙怀江;夏德深;;结合CS-LBP纹理特征的快速图割算法[J];计算机科学;2013年05期

2 崔凤;潘晨;吴向平;徐军;;主动学习的白细胞图像自动分割[J];中国图象图形学报;2012年08期

3 任继军;何明一;;基于粒子群优化算法的改进Snake模型的图像分割方法[J];中国图象图形学报;2008年09期

4 谢从华;朱峰;王立军;武园园;;基于密度聚类的医学图像分割DCMIS[J];计算机应用研究;2007年02期

5 骆国程,赵永界;PET图像中基于形态学和样条模型方法进行心脏的边缘提取[J];CT理论与应用研究;2002年03期

6 杨晓敏，罗立民，韦钰;血液白细胞计算机分类中的特征提取研究[J];应用科学学报;1994年02期

【相似文献】

相关期刊论文 前10条

1 康庄;邓晓刚;吕庆文;;基于“催化剂”的图像分割算法研究[J];医疗卫生装备;2007年11期

2 赵海英;彭宏;杨一帆;;基于边缘形态变换的彩色织物图像分割算法[J];中国体视学与图像分析;2011年01期

3 林盘,郑崇勋,杨勇,阎相国,顾建文;一种鲁棒的人脑组织核磁共振图像分割算法研究[J];电子与信息学报;2005年09期

4 白杨;;基于SAPSO优化三维Otsu方法的医学图像分割算法(英文)[J];中国组织工程研究与临床康复;2008年22期

5 马义德,戴若兰,李廉,吴承虎;生物细胞图像分割技术的进展[J];生物医学工程学杂志;2002年03期

6 邓富强;庞全;;一种改进的模糊C-均值(FCM)彩色图像分割算法[J];机电工程;2010年09期

7 李彬;陈武凡;;基于马尔可夫场的多发性硬化症MR图像分割算法[J];生物医学工程学杂志;2009年04期

8 陈姿羽;黄靖;李伟鹏;;一种改进的自适应谱聚类图像分割算法[J];南方医科大学学报;2012年05期

9 赵英红;胡磊;孙存杰;平杰;;一种自适应宫颈细胞显微图像分割算法[J];军事医学;2012年12期

10 李s

本文编号：2807753