基于稳健特征统计的医学影像分割算法

doi:10.3969/j.issn.1000-3428.2013.05.056

计算机工程 ›› 2013, Vol. 39 ›› Issue (5): 257-260. doi: 10.3969/j.issn.1000-3428.2013.05.056

基于稳健特征统计的医学影像分割算法

刘玲玲¹，康晓东¹，王昊^1,2，耿佳佳¹

(1. 天津医科大学医学影像学院，天津 300070；2. 河北大学附属医院，河北保定 071000)

收稿日期:2012-06-04 出版日期:2013-05-15 发布日期:2013-05-14
作者简介:刘玲玲(1989－)，女，硕士研究生，主研方向：图像处理；康晓东，教授、博士；王昊，工程师、硕士研究生；耿佳佳，硕士研究生
基金资助:
国家自然科学基金资助项目(60603027)；天津市应用基础与前沿技术研究计划基金资助项目(05YFJMJC11700)

Medical Image Segmentation Algorithm Based on Robust Feature Statistics

LIU Ling-ling ¹, KANG Xiao-dong¹, WANG Hao ^1,2, GENG Jia-jia ¹

(1. School of Medical Imaging, Tianjin Medical University, Tianjin 300070, China; 2. Affiliated Hospital of Hebei University, Baoding 071000, China)

Received:2012-06-04 Online:2013-05-15 Published:2013-05-14

摘要/Abstract

摘要： 提出一种基于稳健特征统计的医学影像分割算法。由用户提供标记的种子点，通过稳健统计量描述种子点及其周围点对象的特征，使得分割的边缘更光滑，且对噪声不敏感，对边缘进行轮廓演变，基于稀疏场方法完成曲线演化，找到理想边界。实验结果表明，在MR腹部肝脏分割中，该算法5种评价指标的最终得分为73分，高于区域增长算法和快速水平集算法，肝脏分割时间为123 s，能较好地分割MR和CT图像中的器官和肿瘤。

关键词: 图像分割, 稳健特征统计, 特征向量, 稀疏场方法, 水平集, 曲线演化

Abstract: A medical image segmentation algorithm based on robust feature statistics is proposed in this paper. Users provide seeds, and this paper uses robust feature statistics to describe the features of objects, makes contour smoothly and decreases the effect of noise. It makes contour evolution fast and according to the Sparse Field Method(SFM) to get the outline of objects. Experimental results show that this algorithm gets 73 points in 5 kinds of evaluation indicators for MR abdominal liver segmentation, is better than the region growing algorithm and rapid level set algorithm, liver segmentation time is 123 s, and can make good segmentation of organs and tumors in MR and CT images.

Key words: image segmentation, robust feature statistics, feature vector, Sparse Field Method(SFM), level set, curve evolution

中图分类号:

TP391.9

刘玲玲, 康晓东, 王昊, 耿佳佳. 基于稳健特征统计的医学影像分割算法[J]. 计算机工程, 2013, 39(5): 257-260.

LIU Ling-Ling, KANG Xiao-Dong, WANG Hao, GENG Jia-Jia. Medical Image Segmentation Algorithm Based on Robust Feature Statistics[J]. Computer Engineering, 2013, 39(5): 257-260.

https://www.ecice06.com/CN/Y2013/V39/I5/257

参考文献

[1] 康晓东. 医学影像图像处理[M]. 北京: 人民卫生出版社, 2009.
[2] Sonka M, Hlavac V, Boyle R. Image Processing, Analysis, and Machine Vision[M]. 2nd ed. [S. l.]: International Thomson Publishing, 1999.
[3] Cohen L. On Active Contour Models and Balloons[J]. CVGIP: Image Understanding, 1991, 53(2): 211-218.
[4] McInerney T, Terzopoulos D. T-snakes: Topologically Adaptive Snakes[J]. Medical Image Analysis, 2000, 4(2): 73-91.
[5] Cohen L, Cohen I. Finite Element Methods for Active Contour Models and Balloons for 2-D and 3-D Images[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993, 15(11): 1131-1147.
[6] Sethian J A. Level Set Methods and Fast Marching Methods[M]. 2nd ed. [S. l.]: Cambridge University Press, 1999.
[7] Pichon E, Tannenbaum A, Kikinis R. A Statistically Based Flow for Image Segmentation[J]. Medical Image Analysis, 2004, 8(3): 267-274.
[8] Hampel F. Robust Statistics: A Brief Introduction and Overview[M]. Zurich, Switzerland: Seminar für Statistik, 2001.
[9] Hadiashar B A, Suter D. Motion Segmentation Using Robust Stastics and Spatial Continuity[C]//Proc. of International Workshop on Image Analysis and Information Fusion. Adelaide, Australia: [s. n.], 1997.
[10] 骆剑承. 基于稳健统计理论的遥感影像特征估计模型初步研究[J]. 遥感技术与应用, 2000, 15(1): 45-50.
[11] Mohand S A, Djemel Z, Layachi B. A Robust Level Set Approach for Image Segmentation and Statistical Modeling[C]//Proc. of ACIVS’04. Brussel, Belgium: [s. n.], 2004.
[12] Wang Hanzi. Robust Statistics for Computer Vision: Model Fitting, Image Segmentation and Visual Motion Analysis[D]. Melbourne, Australia: Monash University, 2004.
[13] 陈一非. 稳健多变量统计分析方法研究及算法实现[D]. 广州: 暨南大学, 2005.
[14] Allen Y, Shankar Y, Ma Yi. Robust Statistical Estimation and Segmentation of Multiple Subspaces[C]//Proc. of Conference on Computer Vision and Pattern Recognition Workshop. Washington D. C., USA: IEEE Computer Society, 2006.
[15] Schmid J, Kim J, Magnenat T N. Robust Statistical Shape Models for MRI Bone Segmentation in Presence of Small Field of View[J]. International Journal of Medical Image Analysis, 2011, 15(1): 155-168.
[16] Michailovich O, Rathi Y, Tannenbaum A. Image Seg- mentation Using Active Contours Driven by the Bhattacharyya Gradient Flow[J]. IEEE Transactions on Image Processing, 2007, 16(11): 2787-2798.
[17] Lankton S, Tannenbaum A. Localizing Region-based Active Contours[J]. IEEE Transactions on Image Processing, 2008, 17(11): 2029-2039.
[18] Huber P, Ronchetti E. Robust Statistics[M]. [S. l.]: John Wiley & Sons, 2009.
[19] Yang Y, Tannenbaum A, Giddens D, et al. Knowledge- based 3D Segmentation and Reconstruction of Coronary Arteries Using CT Images[C]//Proc. of the 26th Annual International Conference on Engineering in Medicine and Biology Society. Atlanta, USA: [s. n.], 2004.
[20] Radjenov B, KooLee J. Sparse Field Level Set Method for Non-convex Hamiltonians in 3D Plasma Etching Profile Simulations[J]. Computer Physics Communications, 2006, 174: 127-132.
编辑刘冰

选择文件类型/文献管理软件名称

选择包含的内容

基于稳健特征统计的医学影像分割算法

Medical Image Segmentation Algorithm Based on Robust Feature Statistics

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	郭敏, 张熙涵, 李阳. 融合注意力的教师互一致性半监督医学图像分割[J]. 计算机工程, 2024, 50(9): 313-323.
[2]	高爽, 史轶伦, 徐巧枝, 于磊. 基于对比学习的非对称编解码结构的心脏MRI分割研究[J]. 计算机工程, 2024, 50(8): 290-300.
[3]	胡帅, 李华玲, 郝德琛. 改进U-Net的多级边缘增强医学图像分割网络[J]. 计算机工程, 2024, 50(4): 286-293.
[4]	姜百浩, 刘静, 仇大伟, 姜良. 深度学习在脊柱图像分割中的应用综述[J]. 计算机工程, 2024, 50(3): 1-15.
[5]	傅杨淦, 朱岚巍, 吴虹蓉, 陈方. 基于改进U-Net的珊瑚礁底栖物质信息提取方法[J]. 计算机工程, 2023, 49(12): 231-242.
[6]	褚张晴晴, 钟志强, 颜子夜, 战荫伟. 基于特征融合与注意力机制的脑肿瘤分割算法[J]. 计算机工程, 2023, 49(10): 154-161.
[7]	杨本臣, 贾宇航, 金海波. 融合多分支特征的肝脏和肝脏肿瘤的体积分割[J]. 计算机工程, 2023, 49(10): 194-201.
[8]	林志洁, 郑秋岚, 梁涌, 邢卫. 基于内卷U-Net的医学图像分割模型[J]. 计算机工程, 2022, 48(8): 180-186.
[9]	乔彩彩, 吴成茂, 李昌兴, 王佳烨. 结合隶属度与像素交替引导滤波的鲁棒模糊聚类算法[J]. 计算机工程, 2022, 48(8): 224-233.
[10]	黄胜, 冉浩杉. 基于语义信息的精细化边缘检测方法[J]. 计算机工程, 2022, 48(3): 204-210.
[11]	尚佳童, 雷涛, 张栋, 杜晓刚, 翟钰杰. 面向刻蚀图像分割的轻量可变形编解码网络[J]. 计算机工程, 2022, 48(12): 203-211,217.
[12]	张相芬, 刘艳, 袁非牛. 基于倒金字塔深度学习网络的三维医学图像分割[J]. 计算机工程, 2022, 48(12): 304-311.
[13]	曹加旺, 田维维, 刘学玲, 李郁欣, 冯瑞. 基于改进U-Net的人脑黑质致密部分割[J]. 计算机工程, 2022, 48(11): 14-21,29.
[14]	胡高珍, 徐胜军, 孟月波, 刘光辉, 冯峰, 段中兴. 基于边缘约束局部区域MRF的图像分割方法[J]. 计算机工程, 2021, 47(6): 253-261,270.
[15]	杨兵, 刘晓芳, 张纠. 基于深度特征聚合网络的医学图像分割[J]. 计算机工程, 2021, 47(4): 187-196.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于稳健特征统计的医学影像分割算法

Medical Image Segmentation Algorithm Based on Robust Feature Statistics

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价