-
公开(公告)号：CN105957066B
公开(公告)日：2019-06-25
申请号：CN201610258406.9
申请日：2016-04-22
Applicant: 北京理工大学
Abstract: 本发明公开一种基于自动上下文模型的CT图像肝脏分割方法及系统，能有效提高CT图像中肝脏的分割精度。所述方法包括：读取训练图像集和待分割图像；提取所述图像中每一像素的纹理特征；利用分类器对待分割图像每个像素的特征进行分类，得到初始肝脏概率图；提取所述图像中每一像素的上下文特征；将上下文特征与纹理特征结合，通过迭代学习一系列的分类器直至收敛，获得肝脏概率图；以肝脏概率图为先验信息，作为先验约束条件，加入随机游走的目标函数中，获得基于上下文约束的随机游走模型，实现肝脏的分割；在所述待分割图像的二维切片上逐层实现三维CT图像的肝脏分割，实现肝脏边界不连续区域的插值与补全，从而得到平滑连续的肝脏表面。
-
Patent Agency Ranking
公开(公告)号：CN105957066A
公开(公告)日：2016-09-21
申请号：CN201610258406.9
申请日：2016-04-22
Applicant: 北京理工大学
CPC classification number: G06T7/0012 , G06K9/6268 , G06T2207/10081 , G06T2207/30056
Abstract: 本发明公开一种基于自动上下文模型的CT图像肝脏分割方法及系统，能有效提高CT图像中肝脏的分割精度。所述方法包括：读取训练图像集和待分割图像；提取所述图像中每一像素的纹理特征；利用分类器对待分割图像每个像素的特征进行分类，得到初始肝脏概率图；提取所述图像中每一像素的上下文特征；将上下文特征与纹理特征结合，通过迭代学习一系列的分类器直至收敛，获得肝脏概率图；以肝脏概率图为先验信息，作为先验约束条件，加入随机游走的目标函数中，获得基于上下文约束的随机游走模型，实现肝脏的分割；在所述待分割图像的二维切片上逐层实现三维CT图像的肝脏分割，实现肝脏边界不连续区域的插值与补全，从而得到平滑连续的肝脏表面。
-
公开(公告)号：CN105957063A
公开(公告)日：2016-09-21
申请号：CN201610256511.9
申请日：2016-04-22
Applicant: 北京理工大学
IPC: G06T7/00
CPC classification number: G06T2207/10081 , G06T2207/20081 , G06T2207/30056
Abstract: 本发明公开一种基于多尺度加权相似性测度的CT图像肝脏分割方法及系统，能够实现肝脏区域的精确分割。所述方法包括：S101、读取训练图像集和待分割图像；S102、将读取的图像数据进行预处理；S103、在待分割图像中的初始边界，在待分割图像中肝脏边界周围提取超像素；S104、以待分割图像上每个超像素的中心点为中心，选择一定邻域内的所有像素点作为测试块，在训练图像上选取相同位置相同大小的多尺度图像块作为训练块，得到训练块集；S105、计算测试块与训练块集的相似性测度，以此得到待分割图像中肝脏边界周围每个超像素属于肝脏的先验概率；S106、结合先验模型与待分割图像，修改随机游走的图模型权值，实现待分割图像中肝脏的分割。
-
公开(公告)号：CN105894517B
公开(公告)日：2019-05-07
申请号：CN201610256397.X
申请日：2016-04-22
Applicant: 北京理工大学
Abstract: 本发明公开一种基于特征学习的CT图像肝脏分割方法及系统，能有效提高CT图像中肝脏的分割精度。所述方法包括：S101、读取训练图像集和待分割图像，其中，所述训练图像集中的训练图像和待分割图像为腹部的CT图像；S102、提取所述训练图像和待分割图像的Haar特征、局部二进制模式特征、方向梯度直方图特征和共生矩阵特征；S103、利用主成分分析方法将提取的所有特征进行特征融合，获取更有效的特征；S104、利用分类器对所述待分割图像每个像素的特征进行分类，得到肝脏概率图；S105、结合所述肝脏概率图与待分割图像，修改随机游走分割算法的图模型权值，实现肝脏的分割。
-
公开(公告)号：CN105957063B
公开(公告)日：2019-02-15
申请号：CN201610256511.9
申请日：2016-04-22
Applicant: 北京理工大学
Abstract: 本发明公开一种基于多尺度加权相似性测度的CT图像肝脏分割方法及系统，能够实现肝脏区域的精确分割。所述方法包括：S101、读取训练图像集和待分割图像；S102、将读取的图像数据进行预处理；S103、在待分割图像中的初始边界，在待分割图像中肝脏边界周围提取超像素；S104、以待分割图像上每个超像素的中心点为中心，选择一定邻域内的所有像素点作为测试块，在训练图像上选取相同位置相同大小的多尺度图像块作为训练块，得到训练块集；S105、计算测试块与训练块集的相似性测度，以此得到待分割图像中肝脏边界周围每个超像素属于肝脏的先验概率；S106、结合先验模型与待分割图像，修改随机游走的图模型权值，实现待分割图像中肝脏的分割。
-
公开(公告)号：CN105894517A
公开(公告)日：2016-08-24
申请号：CN201610256397.X
申请日：2016-04-22
Applicant: 北京理工大学
IPC: G06T7/00
CPC classification number: G06T2207/30056
Abstract: 本发明公开一种基于特征学习的CT图像肝脏分割方法及系统，能有效提高CT图像中肝脏的分割精度。所述方法包括：S101、读取训练图像集和待分割图像，其中，所述训练图像集中的训练图像和待分割图像为腹部的CT图像；S102、提取所述训练图像和待分割图像的Haar特征、局部二进制模式特征、方向梯度直方图特征和共生矩阵特征；S103、利用主成分分析方法将提取的所有特征进行特征融合，获取更有效的特征；S104、利用分类器对所述待分割图像每个像素的特征进行分类，得到肝脏概率图；S105、结合所述肝脏概率图与待分割图像，修改随机游走分割算法的图模型权值，实现肝脏的分割。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
