模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2006, Vol. 19 Issue (4): 509-514    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
结合统计模型和曲线演化的左心室MRI图像分割*
周则明1,2,陈强2,王平安3,夏德深2
1.解放军理工大学 气象学院 南京 211101
2.南京理工大学 计算机系 南京 210094
3.香港中文大学 计算机科学与工程系 香港
Left Ventricle MRI Image Segmentation by Unifying Statistic Model and Curves Evolving
ZHOU ZeMing1,2,CHEN Qiang2, Pheng Ann Heng3 , XIA DeShen2
1.Meteorology College, PLA University of Science and Technology, Nanjing 211101
2.Department of Computer, Nanjing University of Science and Technology, Nanjing 210094
3.Department of Computer Science and Engineering, Chinese University of HongKong, HongKong

全文: PDF (857 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 提出结合区域统计模型和图像梯度信息的MRI图像分割算法.由于心脏的变形和血液的流动,MRI图像中出现弱边界、局部梯度极大值区域、伪影等现象.基于图像梯度构造停止项的水平集方法难以分割此类图像.本文提出两阶段图像分割算法.首先结合先验知识和直方图,确定图像中像素的类别总数.用极大似然估计原理求出每一类的先验概率和概率分布参数,根据像素属于感兴趣区域(ROI)的后验概率构造水平集速度函数,通过曲线演化获取ROI的粗边界.然后再使用图像梯度构造速度函数对边界进行细化.实验结果表明,本文算法能够有效分割心脏MRI图像.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
周则明
陈强
王平安
夏德深
关键词 曲线演化概率密度函数水平集方法核磁共振成像(MRI)图像分割    
Abstract:An MRI image segmentation algorithm is proposed by unifying region statistic model and image gradient information. Due to cardiac deformation and blood flowing, weak edges, local gradient maximum regions and artifacts often can be found in the MRI images. The level set method which constructs stopping term with image gradient intensity cannot segment those cardiac MRI images accurately. A twostage algorithm is thus proposed to address the difficulties. Firstly, incorporating prior knowledge about the cardiac MRI and the image histogram, the populations of pixels are given. The prior probabilities of those classes and the parameters of the Gaussian distributions are estimated with Maximumlikelihood principle. With the posterior probability of pixel belonging to ROI, the velocity function of level set is constructed to search for the rough boundary of ROI. Next, another velocity function based on the gradient vector flow is designed to locate the edges accurately. The experimental results demonstrate the effectiveness of the segmentation algorithm.
Key wordsCurves Evolving    Probability Density Function    Level Set Method    Magnetic Resonance Imaging (MRI)    Image Segmentation   
收稿日期: 2004-10-05     
ZTFLH: TP391  
基金资助:香港特区政府研究资助局资助项目(No.CUHK/4180/01E,CUHK1/00C)
作者简介: 周则明,男,1966年生,博士,主要研究方向为医学图像的识别、分析和三维运动的重建.E-mail: Zeming_Zhou@yahoo.com.cn.陈强,男,1979年生,博士研究生,主要研究方向为模式识别与智能系统.王平安,男,1961年生,教授,博士生导师,主要研究方向为虚拟现实、三维医学图像、计算机图形学等.夏德深,男,1941年生,教授,博士生导师,主要研究方向为图像处理、卫星遥感、模式识别.
引用本文:   
周则明,陈强,王平安,夏德深. 结合统计模型和曲线演化的左心室MRI图像分割*[J]. 模式识别与人工智能, 2006, 19(4): 509-514. ZHOU ZeMing,CHEN Qiang, Pheng Ann Heng , XIA DeShen. Left Ventricle MRI Image Segmentation by Unifying Statistic Model and Curves Evolving. , 2006, 19(4): 509-514.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2006/V19/I4/509
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn