改进Snake模型在病灶轮廓提取中的应用

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (8): 242-244.

改进Snake模型在病灶轮廓提取中的应用

朱春媚,周文辉

电子科技大学中山学院自动化工程系，广东中山 528403

收稿日期:2007-06-27 修回日期:2007-09-03 出版日期:2008-03-11 发布日期:2008-03-11
通讯作者: 朱春媚

Application of improved Snake model in focus contour extraction

ZHU Chun-mei,ZHOU Wen-hui

Dept. of Automation Eng.，Uni. of Electronic Science Tech. of China Zhongshan Institute，Zhongshan，Guangdong 528403，China

Received:2007-06-27 Revised:2007-09-03 Online:2008-03-11 Published:2008-03-11
Contact: ZHU Chun-mei

摘要/Abstract

摘要： 提出了用改进Snake模型－GVF（Gradient Vector Field）Snake模型来实现医学图像病灶轮廓的提取，结合高斯平滑滤波、交互式给定初始轮廓点等方法提高轮廓提取的精度。该方法与传统的轮廓提取方法相比，具有捕获范围广、对噪声不敏感的特点，特别适合噪声大、位置不确定、形状不规则的病灶轮廓的提取。实验表明，采用该方法能有效地提取病灶轮廓，在临床上有广泛的应用前景。

关键词: 医学图像, GVF Snake模型, 病灶轮廓提取

Abstract: Use GVF Snake model which is an improved Snake model to realize focus contour extraction，and improve precision by Gaussion filter and giving original contour interactively.Compared with classical contour extraction algorithm，this method has character of wide capture area and high noise immunity，so it fits well to focus contour with high noise，unfixed position and irregular shape.The result of experiment shows that this method can effectively extract the object contour of image and has good application potential.

Key words: medical image, GVF Snake model, focus contour extraction

朱春媚,周文辉. 改进Snake模型在病灶轮廓提取中的应用[J]. 计算机工程与应用, 2008, 44(8): 242-244.

ZHU Chun-mei,ZHOU Wen-hui. Application of improved Snake model in focus contour extraction[J]. Computer Engineering and Applications, 2008, 44(8): 242-244.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[8]	周涛，陆惠玲，霍兵强. 深度信念网络研究进展[J]. 计算机工程与应用, 2020, 56(9): 24-32.
[9]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[10]	鞠维欣1，赵希梅1，2，魏宾2，王国栋1. 深度学习模型GoogleNet-PNN对肝硬化的识别[J]. 计算机工程与应用, 2019, 55(5): 112-117.
[11]	席志红，侯彩燕，袁昆鹏. 基于残差网络的医学图像超分辨率重建[J]. 计算机工程与应用, 2019, 55(19): 191-197.
[12]	张经宇，滕建辅，白煜. 医学图像边缘检测的Levy-DNA-ACO算法研究[J]. 计算机工程与应用, 2018, 54(8): 14-20.
[13]	孙利雷1，2，徐勇3. 基于深度学习的乳腺X射线影像分类方法研究[J]. 计算机工程与应用, 2018, 54(21): 13-19.
[14]	邢晓羊1，2，魏敏1，2，符颖1，2. 基于特征损失的医学图像超分辨率重建[J]. 计算机工程与应用, 2018, 54(20): 202-207.
[15]	贾文娟1，王水花1，张煜东2. 基于影像的病脑检测方法综述[J]. 计算机工程与应用, 2018, 54(11): 21-29.