髋关节序列CT图像中股骨近端分割方法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (20): 171-174.

• 图形、图像、模式识别 • 上一篇下一篇

髋关节序列CT图像中股骨近端分割方法研究

罗三定，秦岭

中南大学信息科学与工程学院，长沙 410083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-11 发布日期:2011-07-11

Segmentation method for proximal femur in CT images of hip joint

LUO Sanding，QIN Ling

School of Information Science and Engineering，Central South University，Changsha 410083，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-11 Published:2011-07-11

摘要/Abstract

摘要： 针对现有髋关节序列CT图像中骨骼近端分割精度差、自动化程度低、计算复杂度高的问题，提出一种自动分割股骨近端的方法。该方法充分利用序列CT图像中股骨头与股骨中段呈现类圆形以及相邻切片中股骨特征相似度高的特点，融合双向分割的股骨轮廓信息得到可靠的股骨近端轮廓。实验结果表明，该方法能准确地从髋关节序列CT图像中提取出股骨近端的轮廓信息，具有一定的实用价值。

关键词: 股骨, CT图像, 图像分割

Abstract: In order to improve the accuracy of segmentation，reduce the complexity of computation and enhance the level of automatic segmentation，a new method for automatic segmentation of proximal femur is presented.The trusted contour of proximal femur can be obtained by bidirectional segmentation，making use of the characteristics of the circle-like femoral head and middle section and high similarity in adjacent sections of femur in CT images.The results of the experiments show that the proposed method can accurately extract the contour of proximal femur from CT images of hip joint，which has practical value.

Key words: femur, CT images, image segmentation

罗三定，秦岭. 髋关节序列CT图像中股骨近端分割方法研究[J]. 计算机工程与应用, 2011, 47(20): 171-174.

LUO Sanding，QIN Ling. Segmentation method for proximal femur in CT images of hip joint[J]. Computer Engineering and Applications, 2011, 47(20): 171-174.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	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.

髋关节序列CT图像中股骨近端分割方法研究

Segmentation method for proximal femur in CT images of hip joint

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