利用欧氏距离变换Snake模型分割脊椎CT图像

doi:10.3778/j.issn.1002-8331.2008.30.055

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (30): 178-182.DOI: 10.3778/j.issn.1002-8331.2008.30.055

• 图形、图像、模式识别 • 上一篇下一篇

利用欧氏距离变换Snake模型分割脊椎CT图像

仇涵^1,3,于蕾²,耿国华³

1.西安工程大学计算机科学学院，西安 710048
2.西安理工大学计算机科学与工程学院，西安 710048
3.西北大学信息科学与技术学院，西安 710069

收稿日期:2007-11-29 修回日期:2008-02-29 出版日期:2008-10-21 发布日期:2008-10-21
通讯作者: 仇涵

Application of spine CT image segment based on snake model with Euclidean distance transformation

QIU Han^1,3,YU Lei²,GENG Guo-hua³

1.College of Computer Science，Xi’an Polytechnic University，Xi’an 710048，China
2.College of Computer Science and Engineering，Xi’an University of Technology，Xi’an 710048，China
3.College of Information Science and Technology，Northwest University，Xi’an 710069，China

Received:2007-11-29 Revised:2008-02-29 Online:2008-10-21 Published:2008-10-21
Contact: QIU Han

摘要/Abstract

摘要： 在计算机虚拟脊椎矫正系统中，为模拟钢钉打入椎骨后相关脊椎骨产生位移和旋转，需要建立患者脊柱的三维模型。由于脊椎结构复杂，空间位置相互交错，造成了在靠近上下椎骨连接区域的CT图像中既有当前椎骨的图像，还有相邻其它椎骨的部分骨组织图像的状态，用传统的分割方法很难从脊柱的CT序列图像中分割出单个的椎骨。在传统Snake模型算法基础上，通过引进一种新的能量表达方法，改善了传统算法对具有复杂凹形轮廓物体分割效果差的缺点，在脊椎CT图像分割中取得了良好的效果。

关键词: 医学图像, 图像分割, Snake模型, 欧氏距离变换

Abstract: For simulating the displacement and rotation of the vertebrae which nail has been implanted on，reconstructing a 3-D model of patient’s spine is first step in virtual spinal diorthosis surgery.However，it is difficult to segment vertebrae image individually from CT image because of complicated structure and spatial position of spine.This paper describes a new energy expression based on traditional Snake arithmetic.This technique can improve limitation of traditional Snake arithmetic，especially for the complicated cupped contour such as spine CT image.

Key words: medical image, image segment, Snake model, Euclidean distance transformation

仇涵^1,3,于蕾²,耿国华³. 利用欧氏距离变换Snake模型分割脊椎CT图像[J]. 计算机工程与应用, 2008, 44(30): 178-182.

QIU Han^1,3,YU Lei²,GENG Guo-hua³. Application of spine CT image segment based on snake model with Euclidean distance transformation[J]. Computer Engineering and Applications, 2008, 44(30): 178-182.

[1]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[2]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[3]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[6]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[7]	高爽，徐巧枝. 迁移学习方法在医学图像领域的应用综述[J]. 计算机工程与应用, 2021, 57(24): 39-50.
[8]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[9]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[10]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[11]	黎英. 迁移学习在医学图像分析中的应用研究综述[J]. 计算机工程与应用, 2021, 57(20): 42-52.
[12]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[13]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[14]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[15]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.

利用欧氏距离变换Snake模型分割脊椎CT图像

Application of spine CT image segment based on snake model with Euclidean distance transformation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics