肝脏CT图像三维分割研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

肝脏CT图像三维分割研究

房春兰, 陈雷霆, 张宇

文章导航 > 电子科技大学学报 > 2009 > 38(2): 278-281

房春兰, 陈雷霆, 张宇. 肝脏CT图像三维分割研究[J]. 电子科技大学学报, 2009, 38(2): 278-281. doi: 10.3969/j.issn.1001-0548.2009.02.29

引用本文:

房春兰, 陈雷霆, 张宇. 肝脏CT图像三维分割研究[J]. 电子科技大学学报, 2009, 38(2): 278-281. doi: 10.3969/j.issn.1001-0548.2009.02.29

FANG Chun-lan, CHEN Lei-ting, ZHANG Yu. 3D Segmentation Research of CT Liver Image Sequences[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(2): 278-281. doi: 10.3969/j.issn.1001-0548.2009.02.29

Citation:

FANG Chun-lan, CHEN Lei-ting, ZHANG Yu. 3D Segmentation Research of CT Liver Image Sequences[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(2): 278-281. doi: 10.3969/j.issn.1001-0548.2009.02.29

肝脏CT图像三维分割研究

doi: 10.3969/j.issn.1001-0548.2009.02.29

1.
电子科技大学计算机科学与工程学院成都 610054

基金项目:

信产部发展基金([信部运2006]634号)

作者简介:
房春兰(1972-)，女，在职博士生，讲师，主要从事图像处理、计算机图形学等方面的研究.

中图分类号: TP391.41

3D Segmentation Research of CT Liver Image Sequences

1.
School of Computer Science and Engineering,University of Electronic Science and Technology of China Chengdu 610054

摘要: 针对肝脏CT图像的特征，提出了一种将种子区域生长算法和改进Snake模型相结合的策略，实现了肝脏的三维分割提取。该方法先从CT图像序列中筛选出肝脏有明显成像边缘的一张切片，在其肝脏区域内选择若干个种子点，利用种子区域生长算法得到初始边缘，再利用改进的Snake模型对初始边缘进行优化，然后，将此切片的边缘轮廓作为与其相邻切片上的初始边缘，重复该过程，直到分割完所有切片。实验表明该算法具有较高效率，分割结果精确，所产生的分割结果可以作为三维重建合适的数据集。
- 肝脏 /
- 种子区域生长 /
- 分割 /
- Snake
Abstract: By considering the characters of liver CT image sequences, a new segmentation way is proposed based on an advanced Snake model associated with seeded region growing method. With this method, a CT image clear edges is selected from CT liver image sequences, then several seeds are selected in the liver region, the seeded region growing method is used to get an initial edge. The edge is optimized by advanced Snake model and served as the initial edge of the next CT image. This procedure is repeated until all images are processed. Experimental results show that the algorithm can obtain segmentation result of soft tissue image efficiently and accurately.
- liver /
- seeded region growing /
- segmentation /
- Snake

[1]	谢洲洋, 舒畅, 傅彦, 周俊临, 蒋家玮, 陈端兵. 先验知识辅助的金属涂层损伤分割方法 . 电子科技大学学报, 2024, 53(1): 76-83. doi: 10.12178/1001-0548.2022373
[2]	邓佳丽, 龚海刚, 刘明. 基于目标检测的医学影像分割算法 . 电子科技大学学报, 2023, 52(2): 254-262. doi: 10.12178/1001-0548.2022081
[3]	凡时财, 曾祥峰, 周雪, 邹见效, 徐红兵. 融合超像素分割与码本模型的目标检测算法 . 电子科技大学学报, 2017, 46(4): 572-578. doi: 10.3969/j.issn.1001-0548.2017.04.016
[4]	高申勇, 戈豪豪, 张桦. 基于像素点分类和颜色分割的树型滤波立体匹配 . 电子科技大学学报, 2017, 46(3): 606-611. doi: 10.3969/j.issn.1001-0548.2017.03.021
[5]	何坤, 郑秀清, 谢沁岑, 王丹. 基于水平集的自适应保边平滑分割 . 电子科技大学学报, 2017, 46(4): 579-584. doi: 10.3969/j.issn.1001-0548.2017.04.017
[6]	杨勇, 郭玲, 叶阳东, 周小佳. 多类变分优化的自然图像分割方法 . 电子科技大学学报, 2016, 45(5): 824-831. doi: 10.3969/j.issn.1001-0548.2016.05.020
[7]	杨勇, 郭玲, 叶阳东, 周小佳. 多类变分优化的自然图像分割方法 . 电子科技大学学报, 2016, 45(5): -. doi: 第45卷第5期 pp:824-831
[8]	罗时雨, 童玲, 陈彦. 基于参数化模型的水平集SAR图像多区域分割方法 . 电子科技大学学报, 2016, 45(6): 939-943. doi: 10.3969/j.issn.1001-0548.2016.06.011
[9]	宋强, 茹蓓, 刘凌霞. 基于MRF的SMT焊点区域分割的研究 . 电子科技大学学报, 2016, 45(5): 819-823. doi: 10.3969/j.issn.1001-0548.2016.05.019
[10]	张文娟, 冯象初. 图像多相分割松弛凸化模型分裂方法 . 电子科技大学学报, 2013, 42(1): 130-136. doi: 10.3969/j.issn.1001-0548.2013.01.027
[11]	王汝言, 刘兰英, 吴大鹏. 采用网络分割的OBS网络故障监测机制 . 电子科技大学学报, 2011, 40(1): 36-40. doi: 10.3969/j.issn.1001-0548.2011.01.007
[12]	王敏琴, 韩国强, 涂泳秋. 新型的无监督纹理分割方法 . 电子科技大学学报, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003
[13]	曾翎, 王美玲, 陈华富. 遗传模糊C-均值聚类算法应用于MRI分割 . 电子科技大学学报, 2008, 37(4): 627-629.
[14]	干可, 谢明, 罗代升. 激光共聚焦序列图像基于特征的分割方法 . 电子科技大学学报, 2008, 37(4): 630-633.
[15]	蒋宁, 章日康, 蒲立新, 陈伟建. Chan-Vese图像分割模型的快速实现算法的研究 . 电子科技大学学报, 2008, 37(5): 705-708.
[16]	曹宗杰, 庞伶俐, 皮亦鸣. 融合区域和边界信息的水平集SAR图像分割方法 . 电子科技大学学报, 2008, 37(3): 325-327,353.
[17]	马义德, 钱志柏, 陈娜. 基于FCM的动态结合全局图像阈值分割 . 电子科技大学学报, 2006, 35(3): 349-351.
[18]	李晓冬, 康戈文. 基于数字滤波器的镀锌板缺陷分割 . 电子科技大学学报, 2005, 34(3): 389-391,406.
[19]	马义德, 李廉, 戴若兰. 基于细胞逻辑、形态特征图像分割新算法 . 电子科技大学学报, 2002, 31(1): 84-87.
[20]	汪天富, 郑昌琼, 李德玉. 基于神经网络的超声医学图像自动分割 . 电子科技大学学报, 1997, 26(4): 366-368.

WeChat

点击查看大图

计量

文章访问数: 4223
HTML全文浏览量: 113
PDF下载量: 103
被引次数: 0

肝脏CT图像三维分割研究

doi: 10.3969/j.issn.1001-0548.2009.02.29

1. 电子科技大学计算机科学与工程学院成都 610054

基金项目:

信产部发展基金([信部运2006]634号)

作者简介:
房春兰(1972-)，女，在职博士生，讲师，主要从事图像处理、计算机图形学等方面的研究.

收稿日期: 2007-12-29
修回日期: 2008-06-20
刊出日期: 2009-04-15

中图分类号: TP391.41

关键词:

肝脏 /
种子区域生长 /
分割 /
Snake

摘要: 针对肝脏CT图像的特征，提出了一种将种子区域生长算法和改进Snake模型相结合的策略，实现了肝脏的三维分割提取。该方法先从CT图像序列中筛选出肝脏有明显成像边缘的一张切片，在其肝脏区域内选择若干个种子点，利用种子区域生长算法得到初始边缘，再利用改进的Snake模型对初始边缘进行优化，然后，将此切片的边缘轮廓作为与其相邻切片上的初始边缘，重复该过程，直到分割完所有切片。实验表明该算法具有较高效率，分割结果精确，所产生的分割结果可以作为三维重建合适的数据集。

English Abstract

房春兰, 陈雷霆, 张宇. 肝脏CT图像三维分割研究[J]. 电子科技大学学报, 2009, 38(2): 278-281. doi: 10.3969/j.issn.1001-0548.2009.02.29

引用本文:

房春兰, 陈雷霆, 张宇. 肝脏CT图像三维分割研究[J]. 电子科技大学学报, 2009, 38(2): 278-281. doi: 10.3969/j.issn.1001-0548.2009.02.29

FANG Chun-lan, CHEN Lei-ting, ZHANG Yu. 3D Segmentation Research of CT Liver Image Sequences[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(2): 278-281. doi: 10.3969/j.issn.1001-0548.2009.02.29

Citation:

FANG Chun-lan, CHEN Lei-ting, ZHANG Yu. 3D Segmentation Research of CT Liver Image Sequences[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(2): 278-281. doi: 10.3969/j.issn.1001-0548.2009.02.29

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发