使用梯度卷积外力场的Snake算法及其医学应用

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (6): 29-33.

使用梯度卷积外力场的Snake算法及其医学应用

周頔1，盛歆漪1，孙俊2

1.江南大学数字媒体学院数字媒体技术系，江苏无锡 214122
2.江南大学物联网工程学院，江苏无锡 214122

出版日期:2013-03-15 发布日期:2013-03-14

Gradient convolution field for Snake algorithm and its application in medical

ZHOU Di1, SHENG Xinyi1, SUN Jun2

1.Department of Digital Medial Technology, School of Digital Media, Jiangnan University, Wuxi, Jiangsu 214122, China
2.School of Internet of Things, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2013-03-15 Published:2013-03-14

摘要/Abstract

摘要： 针对经典Snake算法以及GVF Snake算法容易受到图像噪声点的干扰而无法正确逼近目标物体边界的问题，提出了一种新的Snake外力场——通过边缘映射图的卷积方式扩展形成的梯度卷积外力场GCF。实验证明，基于这种GCF外力场的Snake算法在图像包含大量噪声的情况下，既能保留边缘信息又排除掉噪声带来的不良影响，正确收敛到目标物体的真实边界上，而且在深凹部位的收敛速度远远快于GVF Snake。将该算法应用于CT肺实质分割中，符合临床精确度要求。

关键词: Snake算法, 噪声, 外力场, 梯度卷积

Abstract: This paper proposes a new external force for Snake algorithm, called Gradient Convolution Field（GCF）. GCF is calculated by convolving the edge map generated from the image with the user-defined convolution kernel, with the aim to overcome the noise sensitivity of the traditional Snake algorithm. Experiments and comparisons with GCF are presented to show the advantages of this innovation, including superior noise robustness, reduced computational cost, and the flexibility of tailoring the force field. When this GCF Snake is applied to CT lung segmentation, the results meet the clinical precision acquirement.

Key words: Snake algorithm, noise, external force field, gradient convolution

周頔1，盛歆漪1，孙俊2. 使用梯度卷积外力场的Snake算法及其医学应用[J]. 计算机工程与应用, 2013, 49(6): 29-33.

ZHOU Di1, SHENG Xinyi1, SUN Jun2. Gradient convolution field for Snake algorithm and its application in medical[J]. Computer Engineering and Applications, 2013, 49(6): 29-33.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	徐麒皓，李波. 基于NRU网络的肺结节检测方法[J]. 计算机工程与应用, 2021, 57(4): 83-90.
[3]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[4]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[5]	刘洪琛，刘朝霞，张龙. 融合[L2]和KL保真项的图像恢复算法[J]. 计算机工程与应用, 2020, 56(5): 214-221.
[6]	朱苗苗，潘伟杰，刘翔，吕健，赵慧亮. 基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用, 2020, 56(2): 146-151.
[7]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[8]	卢航，郝顺义，彭志颖，黄国荣. 基于MCC的鲁棒高阶CKF在组合导航中的应用[J]. 计算机工程与应用, 2020, 56(1): 257-264.
[9]	何丽，刘颖，韩克平. 噪声标注下的改进TSVM学习算法[J]. 计算机工程与应用, 2019, 55(17): 44-50.
[10]	魏春英，郭中华. 基于联合信源信道和迭代解码的LDPC编码方案[J]. 计算机工程与应用, 2019, 55(16): 94-98.
[11]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[12]	童麟1，2，韩越兴1，3，小长谷明彦3，4. DNA机器人在AFM图像中的分割和识别[J]. 计算机工程与应用, 2019, 55(11): 192-198.
[13]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[14]	韩明，吴朔媚，王敬涛，孟军英. 基于改进能量泛函模型的噪声图像分割算法[J]. 计算机工程与应用, 2018, 54(23): 23-30.
[15]	刘肃平，谭志平. 基于大数据的辅机设备振动噪声监测分析平台[J]. 计算机工程与应用, 2018, 54(22): 258-264.