医学图像分割综述
【摘 要】医学图像分割是指在医学图像中，利用计算机视觉技术，根据区域内像素的相似特性（纹理等）以及区域间的不同特性，将图像中感兴趣的区域（ROI）提取出来，获取有关人体组织器官的有效信息，反馈给医生以及学者作为诊断依据。随着计算机技术的日新月异和医疗设备的快速发展，医疗图像分割技术在影像医学中的作用日益增大。本文首先介绍了医学图像分割的背景及其应用。接着，详细分析了相关图像分割算法。最后，总结了医疗图像分割技术在目前面临的困难与挑战，并提出了展望。
【关键词】医学影像；图像分割
【中图分类号】TP391.41 【文献标识码】A 【文章编号】1672-3783（2018）04-0281-01
1 引言
近几年来，随着计算机视觉技术和磁共振成像技术（MRI）、正电子放射层析成像技术（PET）、计算机断层成像（CT）、单光子辐射断层摄像（SPECT）、超声（Ultrasound）等医学影像设备的飞速发展，医学图像分割技术在影像医学中所发挥的作用越来越大。医学图像分割技术则是把医学图像分割成若干个具有不同特性的区域，区域内保持一定的相似性，区域间有一定的相异性，从而提取出感兴趣的部分。
医学图像分割在临床诊断中发挥着重要作用，如：
（1）生物医学图像分析：解剖结构的测量、心脏运动跟踪等。
（2）组织、器官定量分析：通过对人体器官或是病变器官容积的定量检测，为医生的临床诊断提供依据。
（3）医学图像3D重建：用于外科手术的仿真、药物治疗的评估等。
目前，医学图像分割技术的发展仍然面临一些困境，主要原因在于医学图像的多样性、复杂性及其采集的困难性。由于人体器官位置的特殊性，医学图像采集较为困难，图形容易受到组织运动等问题的影响，所采集的医学图像相交于普通图像而言，噪声较大。并且人体间存在个体差异，不同人体的组织和器官差异较大。因此，针对医学图像对图像分割技术进行研究，显得尤为重要。
2 医学图像分割算法
2.1 基于区域的分割方法
基于区域的分割方法要点在于利用区域内像素的相似特性（纹理等）和连续性以及区域间的不同特性进行医学图像分割，可以分为阈值法、区域生长和分裂合并法、分类器和聚类法等。
阈值分割法是最简单的一种图像分割方法。它按照选取的阈值个数分为单阈值分割和多阈值分割法。该方法建立在不同目标和背景在直方图上对应不同的峰值这个基础上。其优点是算法简单，对于灰度值相差...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
