换一批基于多尺度模糊聚类与DGVF模型分割颈动脉超声造影图像
CEUS Image Segmentation of Carotid Arteries Using Multi-scale Fuzzy Clustering and DGVF Model
摘要超声造影(contrast-enhanced ultrasound, CEUS)图像在血管疾病诊断与治疗中有很高的应用价值,其中通过提取颈动脉CEUS图像中的血管边界对血管形态及弹性等属性进行测量具有重要意义。由医生手工勾勒血管轮廓耗时耗力,且重复性差、主观性强,而传统计算机分割方法因受到图像中斑点噪声的干扰而存在鲁棒性差和初始化难两大问题。首先,结合多尺度模糊聚类方法与粒子群优化算法提取血管的粗略轮廓,以此作为方向梯度矢量流(directional gradient vector flow, DGVF)模型的初始轮廓；然后,对轮廓进行形变收敛至最终结果。通过分割来自14例患者的48张颈动脉CEUS图像的实验,结果表明所提出的方法优于传统方法,能自动、精确地提取颈动脉CEUS图像中的血管边界。
更多相关知识
关键词
超声造影血管轮廓多尺度分析模糊C均值聚类方向梯度矢量流模型contrast-enhanced ultrasound (CEUS)vascular contoursmulti-scale anal-ysisfuzzy C-means (FCM) clusteringdirectional gradient vector flow (DGVF) model
分类号
TP391.4
栏目名称
DOI
10.3969/j.issn.1007-2861.2014.05.011
发布时间
2014-12-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览1
- 被引5
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
