分形理论在肝脏CT影像分割中的应用研究

doi:10.3778/j.issn.1002-8331.2009.24.069

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (24): 228-230.DOI: 10.3778/j.issn.1002-8331.2009.24.069

分形理论在肝脏CT影像分割中的应用研究

孔平¹，苏式兵²，严广乐¹

1.上海理工大学管理学院，上海 200093
2.上海中医药大学中医复杂系统研究中心，上海 201203

收稿日期:2008-05-06 修回日期:2008-08-27 出版日期:2009-08-21 发布日期:2009-08-21
通讯作者: 孔平

Study of application of fractal dimension theory in segmentation of liver CT image

KONG Ping¹，SU Shi-bing²，YAN Guang-le1

1.Department of Management，University of Shanghai for Science and Technology，Shanghai 200093，China
2.Research Center for Complex System of Traditional Chinese Medicine，Shanghai University of Traditional Chinese Medicine，Shanghai 201203，China

Received:2008-05-06 Revised:2008-08-27 Online:2009-08-21 Published:2009-08-21
Contact: KONG Ping

摘要/Abstract

摘要： 针对肝脏CT影像的特点，提出了基于分形理论的分割算法。根据分形维数反映图像复杂程度的定义，通过计算两次突变的分维数，来确定图像的灰度值范围，并利用该灰度值范围确定阈值。并通过实验，表明利用分形维数所得到的阈值进行分割处理较传统方法有较大改进，且该方法计算的肝脏边缘分维数也为今后评价肝脏是否发生病变提供参考数据。

关键词: 图像识别, 图像分割, 分形理论, 肝脏CT影像

Abstract: The segmentation arithmetic based on the fractal dimension theory is proposed to the character of liver CT image.According that the number of fractal dimension is related to the complication of the image，the gray’s value scope of image can be calculated through the fractal dimension of the break of the object and then the threshold can be constituted.The experiment result proves that threshold value through fractal dimension can achieve good effect compared with traditional method.Furthermore，the fractal dimensions of liver edge are with great value for the estimation of the health of the liver in the later research.

Key words: image recognition, segmentation of image, fractal dimension, liver CT image

中图分类号:

TP391

孔平¹，苏式兵²，严广乐¹. 分形理论在肝脏CT影像分割中的应用研究
[J]. 计算机工程与应用, 2009, 45(24): 228-230.

KONG Ping¹，SU Shi-bing²，YAN Guang-le1. Study of application of fractal dimension theory in segmentation of liver CT image[J]. Computer Engineering and Applications, 2009, 45(24): 228-230.

[1]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	贺文亮，朱敏玲. 胶囊神经网络研究现状与未来的浅析[J]. 计算机工程与应用, 2021, 57(3): 33-43.
[7]	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.
[8]	黄英来，艾昕. 改进残差网络在玉米叶片病害图像的分类研究[J]. 计算机工程与应用, 2021, 57(23): 178-184.
[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]	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.
[12]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[13]	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.
[14]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[15]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.

分形理论在肝脏CT影像分割中的应用研究

Study of application of fractal dimension theory in segmentation of liver CT image

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