多图谱图像分割方法在处理医学器官分割中体现了更高的分割效率,但目前已有的多图谱分割方法主要存在两个问题:一是分割多个感兴趣区域(regions of interest,ROI)时,会出现错误分割和错误间隙等问题;二是在分割多目标ROI时,会大大增加...多图谱图像分割方法在处理医学器官分割中体现了更高的分割效率,但目前已有的多图谱分割方法主要存在两个问题:一是分割多个感兴趣区域(regions of interest,ROI)时,会出现错误分割和错误间隙等问题;二是在分割多目标ROI时,会大大增加分割时间。针对上述问题,改进图像融合算法,提出加权联合表决算法(weighted combine voting,WCV)。算法将所有的待分割目标作为参与共同表决的对象,将图谱图像与目标图像之间的相似系数(dice)作为“投票”权重,通过一次“投票”过程就可以分割出所有的待分割目标。方法在实验数据集上得到的整体分割结构相似性、单个器官ROI相似性系数分别为:整体97.11%,肺部78.57%,血池76.03%,心肌80.10%,相比现有多图谱分割方法取得了更高的准确性。实验结果表明该方法可以使器官分割具有较高的鲁棒性,对临床应用具有现实意义。展开更多
文摘多图谱图像分割方法在处理医学器官分割中体现了更高的分割效率,但目前已有的多图谱分割方法主要存在两个问题:一是分割多个感兴趣区域(regions of interest,ROI)时,会出现错误分割和错误间隙等问题;二是在分割多目标ROI时,会大大增加分割时间。针对上述问题,改进图像融合算法,提出加权联合表决算法(weighted combine voting,WCV)。算法将所有的待分割目标作为参与共同表决的对象,将图谱图像与目标图像之间的相似系数(dice)作为“投票”权重,通过一次“投票”过程就可以分割出所有的待分割目标。方法在实验数据集上得到的整体分割结构相似性、单个器官ROI相似性系数分别为:整体97.11%,肺部78.57%,血池76.03%,心肌80.10%,相比现有多图谱分割方法取得了更高的准确性。实验结果表明该方法可以使器官分割具有较高的鲁棒性,对临床应用具有现实意义。
