基于模糊连接度的交互式CT图像分割算法

doi:10.3778/j.issn.1002-8331.2009.11.065

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (11): 216-219.DOI: 10.3778/j.issn.1002-8331.2009.11.065

基于模糊连接度的交互式CT图像分割算法

刘耀辉¹,鲍苏苏²,黄展鹏³

1.湘南学院计算机系，湖南郴州 423000
2.华南师范大学计算机学院，广州 510631
3.广东药学院医药信息工程学院，广州 510006

收稿日期:2008-02-28 修回日期:2008-05-12 出版日期:2009-04-11 发布日期:2009-04-11
通讯作者: 刘耀辉

Interactive algorithm based on fuzzy connectedness for CT image segmentation

LIU Yao-hui¹,BAO Su-su²,HUANG Zhan-peng³

1.Department of Computer Science，Xiangnan University，Chenzhou，Hunan 423000，China
2.College of Computer Science，South Normal University，Guangzhou 510631，China
3.College of Medical Information Engineering，Guangdong Pharmaceutial University，Guangzhou 510006，China

Received:2008-02-28 Revised:2008-05-12 Online:2009-04-11 Published:2009-04-11
Contact: LIU Yao-hui

摘要/Abstract

摘要： 如何准确地从CT图像中提取出感兴趣的组织，是医学图像分割中的难点。提出了一种基于模糊连接度的交互式CT图像分割算法：先根据用户指定的感兴趣区域的灰度范围预分割图像，然后用户从结果图像中选择目标和背景种子点，计算出各像素点与两类种子点的模糊连接度，最后根据连接度大小将像素点划分到目标或背景区域。分割过程中，用户可以通过增设或删除目标或背景种子点，修正分割的结果。实验表明，该算法能准确有效地分割出感兴趣区域。

关键词: 模糊连接度, CT图像, 区域生长, 交互式分割

Abstract: It’s a difficult task in segmentation of medical images how to extract Region Of Interesting（ROI） from CT.In this paper，an interactive algorithm based on fuzzy connectedness for CT image segmentation is proposed.Firstly，the lower and upper gray values of ROI are specified by users and the algorithm pre-segments the CT image with these values.Secondly，users select seeds from the pre-segmented image for object and background.The method computes fuzzy connectedness from each pixel to the seeds，and then divides each of them into object area or background by comparing connectedness.Finally，users can improve results by adding or removing object seeds or background seeds.Experiments show that the new algorithm can segment ROI correctly.

Key words: fuzzy connectedness, CT image, region growing, interactive segmentation

刘耀辉¹,鲍苏苏²,黄展鹏³. 基于模糊连接度的交互式CT图像分割算法[J]. 计算机工程与应用, 2009, 45(11): 216-219.

LIU Yao-hui¹,BAO Su-su²,HUANG Zhan-peng³. Interactive algorithm based on fuzzy connectedness for CT image segmentation[J]. Computer Engineering and Applications, 2009, 45(11): 216-219.

[1]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[2]	韩纪普，段先华，常振. 基于SLIC和区域生长的目标分割算法[J]. 计算机工程与应用, 2021, 57(1): 213-218.
[3]	陶永鹏，景雨，顼聪. 融合超像素和CNN的CT图像分割方法[J]. 计算机工程与应用, 2020, 56(5): 200-205.
[4]	裘静韬，邹俊忠，郭玉成，张见，王蓓. 应用化肝脏病灶分割的预测方案[J]. 计算机工程与应用, 2020, 56(20): 173-178.
[5]	张福玲，张少敏. 应用于CT图像肺结节检测的深度学习方法综述[J]. 计算机工程与应用, 2020, 56(13): 20-32.
[6]	吴保荣，强彦，王三虎，唐笑先，刘希靖. 融合多维度卷积神经网络的肺结节分类方法[J]. 计算机工程与应用, 2019, 55(24): 171-177.
[7]	夏永泉，谢希望，支俊，乔四海. 基于最大内切圆的肝影像自动分割方法[J]. 计算机工程与应用, 2019, 55(14): 162-167.
[8]	曾有灵，陈耿铎，熊威，李喆. 基于Spark的CT图像FBP重建算法程序并行设计[J]. 计算机工程与应用, 2019, 55(10): 218-224.
[9]	谢莎，俞晨琛，陈强. 基于自适应阈值的三维SD-OCT糖网亮斑分割[J]. 计算机工程与应用, 2018, 54(22): 211-215.
[10]	陈富强1，周学成1，2，李一海1，杨自尚1，王高峰1，闫露露1. 原位根系三维构型测量系统的设计与实现[J]. 计算机工程与应用, 2018, 54(10): 249-255.
[11]	刘亚丹，董少春，黄璐璐. 基于TerraSAR-X和Landsat影像的城镇用地提取#br# ——以常州市为例[J]. 计算机工程与应用, 2017, 53(5): 6-11.
[12]	李庆，郑力新，潘书万，张裕坤，谢一首. 使用单目视觉的移动机器人导航方法[J]. 计算机工程与应用, 2017, 53(4): 223-227.
[13]	杨明伟1，黄永东2，常霞2. 基于SML特征检测的RPCA域多聚焦图像融合[J]. 计算机工程与应用, 2017, 53(22): 157-162.
[14]	王妍，王履程，郑玉甫，雷涛. 基于区域生长的极光图像分割方法[J]. 计算机工程与应用, 2016, 52(23): 190-195.
[15]	李建飞，文志强，胡永祥，邓刘昭芦. 基于改进区域生长的遥感影像道路提取[J]. 计算机工程与应用, 2016, 52(2): 209-213.

基于模糊连接度的交互式CT图像分割算法

Interactive algorithm based on fuzzy connectedness for CT image segmentation

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