CT序列图像中肝脏及其管道的分割

doi:10.3778/j.issn.1002-8331.2009.20.060

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 205-207.DOI: 10.3778/j.issn.1002-8331.2009.20.060

CT序列图像中肝脏及其管道的分割

彭丰平¹，鲍苏苏²

1．华南师范大学南海学院计算机系，广东佛山 528225
2．华南师范大学计算机学院，广州 510631

收稿日期:2008-04-21 修回日期:2008-07-16 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 彭丰平

Segmentation of liver and its vessel based on CT sequence image

PENG Feng-ping¹，BAO Su-su²

1．Department of Computer，School of Nanhai，South China Normal University，Foshan，Guangdong 528225，China
2．School of Computer，South China Normal University，Guangzhou 510631，China

Received:2008-04-21 Revised:2008-07-16 Online:2009-07-11 Published:2009-07-11
Contact: PENG Feng-ping

摘要/Abstract

摘要： 把肝脏及其内部各种管道从CT序列图像中分割出来，为后续肝脏及其管道的三维重建及最终的虚拟手术模拟提供正确的数据。在结合CT序列图像之间的相似性基础之上，提出一种动态自适应的区域生长算法。首先对原始CT数据进行中值滤波，去除部分噪声，然后采用相应的序列化区域生长分割模型，对CT序列图像中肝脏及其内部管道分别进行提取。实验结果表明，应用该方法能得到准确的肝脏及管道分割结果。

关键词: 序列图像, 相似性, 自适应, 区域生长

Abstract: Extracting the liver and its intern vessels from CT images can provide the correct data for the following 3D reconstruction of liver and the final virtual surgery.Based on the similarity between CT sequence images，an algorithm of auto-adapted region growing was put forward.First，originality CT data have been reduced noise by mean-filter，then based on the serializing division model of region growing，the liver and its vessels were segmented from CT images.The results of experiment show that the method is effective and very useful in automatic segmentation of CT sequence image．

Key words: sequence image, similarity, auto-adapted, region-growing

彭丰平¹，鲍苏苏². CT序列图像中肝脏及其管道的分割[J]. 计算机工程与应用, 2009, 45(20): 205-207.

PENG Feng-ping¹，BAO Su-su². Segmentation of liver and its vessel based on CT sequence image[J]. Computer Engineering and Applications, 2009, 45(20): 205-207.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[5]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[6]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[7]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[8]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[9]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[10]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[11]	蒋斌，梁小安，张亮，高杨军. 基于改进修正权重的证据组合方法[J]. 计算机工程与应用, 2021, 57(24): 100-106.
[12]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[13]	肖振久，孔祥旭，宗佳旭，杨玥莹. 自适应聚焦损失的图像目标检测算法[J]. 计算机工程与应用, 2021, 57(23): 185-192.
[14]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[15]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.

CT序列图像中肝脏及其管道的分割

Segmentation of liver and its vessel based on CT sequence 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