乳腺癌的发病率在女性癌症中居首位,在计算机辅助下精确地提取出乳腺图像中包含的结构信息和功能信息是当前面临的难题。本研究主要探讨利用水平集分割方法对超声乳腺图像进行肿瘤的自动分割。基本思路:①粗提取肿瘤所在的区域;②采取...乳腺癌的发病率在女性癌症中居首位,在计算机辅助下精确地提取出乳腺图像中包含的结构信息和功能信息是当前面临的难题。本研究主要探讨利用水平集分割方法对超声乳腺图像进行肿瘤的自动分割。基本思路:①粗提取肿瘤所在的区域;②采取改进的各项异性扩散方程(MCDE),在保证乳腺肿瘤边界信息不被削弱的前提下削减超声图像的噪声;③利用图像梯度获取边界的潜在图像;④设置初始轮廓;⑤调整水平集中的速度函数,寻求适用于乳腺超声图像中肿瘤轮廓的提取方法,探索过程涉及两种改进的LevelSet方法:测地活动轮廓(geodesic active contour)和阈值水平集(threshold LevelSet)。结果表明,针对乳腺超声肿瘤的弱边界信息,利用阈值水平集分割可以自动获取与手动勾画较为相似的轮廓。展开更多
文摘乳腺癌的发病率在女性癌症中居首位,在计算机辅助下精确地提取出乳腺图像中包含的结构信息和功能信息是当前面临的难题。本研究主要探讨利用水平集分割方法对超声乳腺图像进行肿瘤的自动分割。基本思路:①粗提取肿瘤所在的区域;②采取改进的各项异性扩散方程(MCDE),在保证乳腺肿瘤边界信息不被削弱的前提下削减超声图像的噪声;③利用图像梯度获取边界的潜在图像;④设置初始轮廓;⑤调整水平集中的速度函数,寻求适用于乳腺超声图像中肿瘤轮廓的提取方法,探索过程涉及两种改进的LevelSet方法:测地活动轮廓(geodesic active contour)和阈值水平集(threshold LevelSet)。结果表明,针对乳腺超声肿瘤的弱边界信息,利用阈值水平集分割可以自动获取与手动勾画较为相似的轮廓。
