乳腺癌灶的精确分割是乳腺癌计算机辅助诊断的重要前提.在动态对比增强核磁共振成像(Dynamic contrastenhanced magnetic resonance imaging,DCE-MRI)的图像中,乳腺癌灶具有对比度低、边界模糊及亮度不均匀等特点,传统的活动轮廓模型方...乳腺癌灶的精确分割是乳腺癌计算机辅助诊断的重要前提.在动态对比增强核磁共振成像(Dynamic contrastenhanced magnetic resonance imaging,DCE-MRI)的图像中,乳腺癌灶具有对比度低、边界模糊及亮度不均匀等特点,传统的活动轮廓模型方法很难取得准确的分割结果.本文提出一种结合马尔科夫随机场(Markov random field,MRF)能量和模糊速度函数的活动轮廓模型的半自动分割方法来完成乳腺癌灶的分割,相对于专业医生的手动分割,本文方法具有速度快、可重复性高和分割结果相对客观等优点.首先,计算乳腺DCE-MRI图像的MRF能量,以增强目标区域与周围背景的差异.其次,在能量图中计算每个像素点的后验概率,建立基于后验概率驱动的活动轮廓模型区域项.最后,结合Gabor纹理特征、DCE-MRI时域特征和灰度特征构建模糊速度函数,将其引入到活动轮廓模型中作为边缘检测项.在乳腺癌灶边界处,该速度函数趋向于零,活动轮廓曲线停止演变,完成对乳腺癌灶的分割.实验结果表明,所提出的方法有助于乳腺癌灶在DCE-MRI图像中的准确分割.展开更多
针对动态对比度增强磁共振灌注成像中脑血容积的计算,提出基于Hankel矩阵的奇异值分解(Singular Value Decomposition,SVD)算法。在奇异值数目的确定上采用差分谱量级差的研究方法,对算法进行理论推导与仿真模拟,得到较为理想的滤波效...针对动态对比度增强磁共振灌注成像中脑血容积的计算,提出基于Hankel矩阵的奇异值分解(Singular Value Decomposition,SVD)算法。在奇异值数目的确定上采用差分谱量级差的研究方法,对算法进行理论推导与仿真模拟,得到较为理想的滤波效果。由于成像过程存在测量噪声的干扰,分析了信噪比和示踪剂延迟对算法的影响。仿真结果表明,信噪比越低(SNR=5 d B),算法处理效果越明显;信噪比增高(SNR=100 d B),估计值偏差减小,结果越为准确。且该算法不受示踪剂延迟的影响。与传统奇异值分解算法相比,采用基于Hankel矩阵的奇异值算法可以更为准确地估计脑血容积。展开更多
文摘乳腺癌灶的精确分割是乳腺癌计算机辅助诊断的重要前提.在动态对比增强核磁共振成像(Dynamic contrastenhanced magnetic resonance imaging,DCE-MRI)的图像中,乳腺癌灶具有对比度低、边界模糊及亮度不均匀等特点,传统的活动轮廓模型方法很难取得准确的分割结果.本文提出一种结合马尔科夫随机场(Markov random field,MRF)能量和模糊速度函数的活动轮廓模型的半自动分割方法来完成乳腺癌灶的分割,相对于专业医生的手动分割,本文方法具有速度快、可重复性高和分割结果相对客观等优点.首先,计算乳腺DCE-MRI图像的MRF能量,以增强目标区域与周围背景的差异.其次,在能量图中计算每个像素点的后验概率,建立基于后验概率驱动的活动轮廓模型区域项.最后,结合Gabor纹理特征、DCE-MRI时域特征和灰度特征构建模糊速度函数,将其引入到活动轮廓模型中作为边缘检测项.在乳腺癌灶边界处,该速度函数趋向于零,活动轮廓曲线停止演变,完成对乳腺癌灶的分割.实验结果表明,所提出的方法有助于乳腺癌灶在DCE-MRI图像中的准确分割.
文摘针对动态对比度增强磁共振灌注成像中脑血容积的计算,提出基于Hankel矩阵的奇异值分解(Singular Value Decomposition,SVD)算法。在奇异值数目的确定上采用差分谱量级差的研究方法,对算法进行理论推导与仿真模拟,得到较为理想的滤波效果。由于成像过程存在测量噪声的干扰,分析了信噪比和示踪剂延迟对算法的影响。仿真结果表明,信噪比越低(SNR=5 d B),算法处理效果越明显;信噪比增高(SNR=100 d B),估计值偏差减小,结果越为准确。且该算法不受示踪剂延迟的影响。与传统奇异值分解算法相比,采用基于Hankel矩阵的奇异值算法可以更为准确地估计脑血容积。
