郑倩
- 作品数：4 被引量：20H指数：3
- 供职机构：南方医科大学更多>>
- 发文基金：国家重点基础研究发展计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生机械工程更多>>
- 基于邻域信息和高斯加权卡方距离的脊椎MR图像分割被引量：6
- 2011年
- 提出一种基于邻域信息和高斯加权卡方距离的脊椎MR图像椎体的自动分割方法。由于成像过程中存在噪声和各向异性的影响,单个像素的灰度值对噪声敏感,为此采用5像素×5像素窗口,提取每个像素点邻域内的空间-灰度特征,该特征对噪声具有较强的鲁棒性。利用高斯加权的卡方距离度量两个像素的相似性,构造一种全新的相似度矩阵;而单一的尺度参数存在一定局限性,所以引入一种自适应的局部收缩因子,完成脊椎MR图像椎体的自动分割。实验结果表明,新算法克服了传统方法中常见的过分割和欠分割现象,覆盖率均在96%以上;分割的正常和退行性改变椎体光滑且清晰,具有分割结果准确、鲁棒性强的优点。作为一种一般性的分割方法,该算法可以拓展到其他器官的分割中。
- 郑倩卢振泰陈超冯前进陈武凡
- 关键词：高斯核函数相似度矩阵
- 基于自适应局部CV模型的图像分割被引量：1
- 2012年
- 文章提出了一种自适应的局部CV模型。局部CV模型克服了传统CV模型处理非均匀图像中不能准确分割的缺点,尽管模型中引入了局部邻域信息,但是也附带分割结果对邻域大小的敏感性和手动设置合适的窗口,文章利用局部方差自动判定局部邻域的窗口大小,解决了分割结果对邻域大小的敏感性,同时避免了手动调节合适的窗口大小。对模拟和真实图像分割的实验结果证明,此方法对于非均匀图像可以给出较为准确的分割结果。
- 马春梅郑倩卢振泰
- 关键词：CV模型邻域信息
- 基于熵和局部邻域信息的高斯约束CV模型被引量：8
- 2013年
- 基于曲线演化的Chan-Vese(CV)模型常常不能准确分割非均匀性且结构复杂的医学图像.针对此缺点,文中提出了一种基于熵和局部邻域信息的高斯约束CV模型,作者利用熵构造内部和外部区域能量的权值系数,加强了对曲线演化的控制;同时将曲线上各点的局部邻域信息引入到曲线演化过程中,提高了分割的准确性,并降低了区域内灰度不均匀等因素对曲线演化的影响;高斯约束保证了曲线演化过程中的稳定性、光滑性,同时不需要曲线周长约束项和重复初始化.利用Circular Hough变换对左心室壁内、外膜进行初始定位,避免了人工设置初始轮廓,减少了曲线向目标轮廓演化时间和初始轮廓位置敏感性对分割结果的影响.作者对心脏MR图像的左心室内、外膜进行了分割.结果表明文中方法能够快速准确地分割左心室壁内、外膜,抗干扰能力强,鲁棒性好.
- 卢振泰郑倩冯衍秋刘燕杰冯前进陈武凡
- 关键词：HOUGH变换邻域信息高斯核函数
- 医学图像分割方法研究及其应用
- 随着X线、计算机断层扫描（computed tomography, CT）、磁共振成像（magnetic resonance imaging, MRI）、正电子发射断层成像（positron emission tomog...
- 郑倩
- 关键词：自动初始化
