基于三维连通性特征的肝脏血管超声图像分割方法  

Liver Vessel Segmentation Using 3D Connectivity Features

作　　者：甘露[1] 张秋路 刘翔[1] 陈雁秋[1] 

机构地区：[1]复旦大学,计算机科学技术学院

出　　处：《微型电脑应用》2015年第9期1-3,共3页Microcomputer Applications

基　　金：国家自然科学基金面上项目(61175036)

摘　　要：针对超声图像中的肝脏血管的分割问题,提出一种基于三维多尺度旋转不变的连通性特征进行分割的方法。该方法在多尺度空间中,提取三维空间中血管主方向上的连通性特征,并通过随机森林分类器使用该特征进行分类。其方法充分利用了三维图像中有限的信息,克服了现有方法在高噪声环境下效果较差的缺点,能够有效地区分出斑点噪声和肝脏血管。实验表明该方法能在超声图像的高噪声环境下准确地分割出肝脏血管组织,该方法的准确度和有效性较当前方法有显著提升。This paper proposes a method using the Random Forests classifier based on 3D multi-scale rotation invariant connectivity feature to segment ultrasound images of liver vessels.By utilizing the 3D morphology information of the vessels,the method can obtain a relatively accurate segmentation result of ultrasound images in the highly noised environment,compared to current methods of segmenting using gradient vector flow or graph cuts.Experiments proved that the method can achieve better performance compared to current methods.

关 键 词：肝脏血管分割 多尺度旋转不变连通性特征 随机森林 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]