邊緣檢測(cè)算法在醫(yī)學(xué)超聲液性病變圖像中的應(yīng)用
加入技術(shù)交流群
每一次迭代，曲線的變形是為了使如下的能量函數(shù)達(dá)到最小化：
彈性能量和彎曲能量合稱內(nèi)部力，內(nèi)部力用于控制輪廓線的彈性形變，選取適當(dāng)?shù)膮?shù)α(s)和β(s)將能量函數(shù)ESnake極小化，所對(duì)應(yīng)的v(s)就是對(duì)物體的分割。在能量函數(shù)極小化過(guò)程中，彈性能量迅速把輪廓線壓縮成一個(gè)光滑的圓，彎曲能量驅(qū)使輪廓線成為光滑曲線或直線，而外部力則使輪廓線向圖像的高梯度位置靠攏，基本Snake模型就是在這3個(gè)力的聯(lián)合作用下工作的。
1．4．2 改進(jìn)的Snake模型
基本Snake模型在應(yīng)用的時(shí)候存在一些缺陷：
(1)要求初始的輪廓線必須與目標(biāo)邊緣非常的接近，這是因?yàn)槟芰亢瘮?shù)往往會(huì)收斂到一個(gè)非期望的局部最小值，如果初始的輪廓線離目標(biāo)較遠(yuǎn)，就會(huì)使曲線變形到一個(gè)無(wú)法預(yù)計(jì)的形狀；
(2)基本Snake模型對(duì)無(wú)法捕獲凹陷邊界。這樣就限制了Snake模型應(yīng)用到一些存在凹陷區(qū)域的圖像上。
近年來(lái)，針對(duì)以上缺陷，許多研究不僅對(duì)Snake模型本身的能量函數(shù)構(gòu)造和求解算法作了很大改進(jìn)，更在其基礎(chǔ)上衍生出了許多新輪廓線模型，它們有些在形式上已經(jīng)與基本Snake相去甚遠(yuǎn)，而且也要復(fù)雜得多，但其指導(dǎo)思想?yún)s是一脈相承的。比如，Cohen提出了一種氣球力理論，通過(guò)使用不同尺度的外力場(chǎng)，增加外力場(chǎng)的捕捉范圍，來(lái)驅(qū)動(dòng)輪廓線向目標(biāo)邊緣逼近。XuChenyang提出的GVF Snake將梯度矢量場(chǎng)(GVF)代替?zhèn)鹘y(tǒng)外力場(chǎng)，讓曲線隨著圖像凹陷的部分而發(fā)生變形，圈出凹陷的邊緣，由于GVF對(duì)輪廓線的初始位置不是非常的敏感，尤其對(duì)于二值圖像，所以它可以很快的收斂到目標(biāo)邊緣，很好地解決了這些問(wèn)題。
GVF Snake將基本Snake的外部力用擴(kuò)散方程進(jìn)行處理，得到整個(gè)圖像域的梯度向量場(chǎng)作為外部力，經(jīng)過(guò)擴(kuò)散方程處理后的GVF更加有序，更能體現(xiàn)物體邊界的宏觀走勢(shì)。由于GVF不是一個(gè)表達(dá)式，無(wú)法用能量函數(shù)的形式求解，因此GVF Snake是利用力的平衡條件進(jìn)行優(yōu)化，GVF Snake具有更大的搜索范圍，對(duì)輪廓線初始位置不敏感，可以分割凹陷的邊界，對(duì)梯度絕對(duì)值的大小乃至噪聲具有更好的魯棒性，而且它還不必預(yù)先知道輪廓線是要膨脹還是收縮。
本文將改進(jìn)的GVF Snake模型應(yīng)用于醫(yī)學(xué)超聲液性病變圖像中，并與其他的邊緣檢測(cè)方法進(jìn)行比較分析。
2 實(shí)驗(yàn)結(jié)果分析
醫(yī)學(xué)超聲診斷出的液性病變多以囊腫為主，常見的囊腫有甲狀腺囊腫、卵巢囊腫、肝囊腫等，這些超聲液性病變圖像灰度變化梯度不大，多見數(shù)個(gè)無(wú)回聲區(qū)，呈“蜂窩狀”，邊界不清晰。
本文選取兩幅具有代表性的肝囊腫、甲狀腺囊腫超聲液態(tài)病變圖像，用不同的邊緣檢測(cè)算法對(duì)其進(jìn)行處理，實(shí)驗(yàn)結(jié)果如圖2，圖3所示。本文引用地址：http://m.butianyuan.cn/article/193780.htm
評(píng)論