导读:本文包含了组织分割与提取论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:阈值,图像,特征,中心线,磁共振,管状,神经网络。
组织分割与提取论文文献综述
宫晓楠[1]（2019）在《基于腺体组织分割和混合特征提取的乳腺密度分析》一文中研究指出近年来,乳腺癌已经成为威胁女性健康的主要疾病之一。相关研究表明,乳腺密度与罹患乳腺癌之间关系密切,并被列为乳腺癌变风险指标之一。因此,对乳腺密度进行分类研究意义重大。本文提出一种基于腺体组织分割和混合特征提取的乳腺密度分析方法并据此设计了一个乳腺密度分类系统,该系统由预处理、腺体组织分割、特征提取和密度分类四个模块组成。本文具体研究内容如下:1.在预处理模块中我们提出一种基于掩模的分割方法,该方法可以根据需要设置不同的几何图形作为掩模,利用掩模的屏蔽作用将乳腺图像中的标签和胸肌遮盖,达到移除这些干扰信息的目的。然后,采用灰度拉伸函数对不同腺脂类型的乳腺图像进行拉伸,使腺体组织的对比度得到增强,脂肪组织亮度得到抑制,呈现出最利于分割的状态。2.在腺体组织分割模块中我们提出一种基于灰度共生矩阵(Gray-Level Co-occurrence Matrix,GLCM)和前向反馈神经网络(Back Propagation,BP)结合的自动阈值分割方法。首先,通过调参方式获取乳腺图像的分割阈值,将这些阈值作为BP神经网络的期望输出;然后,计算乳腺区域的统计特征和基于GLCM的纹理特征并将其作为BP神经网络的输入;最后,训练BP网络使其能够自动预测图像的分割阈值,实现腺体组织的自动分割。3.在特征提取模块中我们提取叁种类型的特征向量并将其混合。首先,通过GLCM提取腺体组织的纹理特征,然后计算叁个统计特征(均值,偏度,峰度);其次,利用面积法计算乳腺密度估计值并将其作为特征之一添加到已有的特征向量中,形成一个混合特征向量;最后,利用不同数据库中提取到的混合特征向量训练分类器参数,从而根据分类器预测输出得到不同数据库样本的密度分类准确率。4.在密度分类模块中我们采用支持向量机(Support Vectors Machine,SVM)和极限学习机(Extreme Learning Machine,ELM)进行乳腺密度分类实验。本文分别对乳腺影像分析协会数据库(Mammographic Image Analysis Society,MIAS)、混合数据库(甘肃省肿瘤医院数据库和MIAS数据库)和数字化乳腺影像数据集(Digital Database for Screening Mammography,DDSM)叁个数据库进行乳腺密度的分类实验。基于SVM和ELM,通过设置叁种密度类型的网络输出,在MIAS中分别获得96.19%和84.17%的预测分类准确率,在混合数据库中分别取得95.01%和87.44%的预测分类准确率,并将DDSM数据库的样本分为四种密度类型得到96.3 5%和77.10%的预测分类准确率,实验结果表明,SVM在本文的密度分类系统中准确率更高,将其作为主分类器使得我们的密度分类系统具有较高的准确性和良好的泛化性能。(本文来源于《兰州大学》期刊2019-05-01）
付玲[2]（2012）在《基于CT影像的管状组织分割与中心线提取研究》一文中研究指出在计算机辅助诊断系统中,基于CT影像的人体管状组织分割与中心线提取具有极其重要的意义,是疾病定量分析、可视化、多期图像配准等多种实际应用的基础。但是由于人体内的管状组织结构复杂且通常位于复杂的解剖背景之中,基于CT影像的管状组织分割和中心线提取非常具有挑战性。针对仍然存在的问题,本文致力于提高管状组织分割和中心线提取的准确性,提高其自动化程度,并尽可能地减少所需的运行时间。本文完成的主要工作有：第一,提出了一个快速的升主动脉自动分割方法。该方法基于二维的区域生长算法,使用迭代的方式逐层分割出叁维升主动脉整体,整个过程无需任何交互。所提出的方法使用临床获取的103套心脏CT造影数据进行了评估。评估结果显示所提出的方法能够快速稳定地分割出升主动脉,分割的成功率高达95.1%,单套数据的平均运行时间为1.5秒。第二,提出了一个基于CT造影图像的冠状动脉自动分割方法。该方法首先在尺度空间中使用管状结构相似性函数自动提取冠状动脉种子点,实现了分割过程的全自动化。然后,根据冠状动脉的结构特征,使用一个改进的层区域生长方法分割出叁维冠状动脉整体。评估显示所提出的方法在冠状动脉分割的准确性和速度方面都取得了令人满意的结果。第叁,提出了叁个冠状动脉中心线提取方法,分别是基于改进追踪的方法、基于细化和追踪相结合的方法和基于改进距离变换的方法。然后,对所提出的叁种方法进行了准确性、运行时间、自动化程度和应用范围的比较和讨论。此外,还提出了叁种中心线准确性自动检测和错误自动校正方法,分别用于检测和校正由于血管的窄颈过分割、宽颈过分割／部分欠分割、完全欠分割所造成的中心线错误。定量评估结果显示所提出的方法能够有效地检测并校正中心线错误,提高冠状动脉中心线的准确性。第四,提出了一个基于配准减影和形态学操作的头颈部动脉分割优化方法。评估实验显示分割方法能够在大多数情况下得到准确完整的头颈部动脉分割结果,而优化方法能够在图像质量差时很大程度上提高分割的质量,弥补配准过程中产生的问题。此外,还提出了两种用于头颈部动脉分割精炼的血管编辑方法,分别用于移除分割体中的错误分割组织和添加缺失的血管。定量评估结果显示所提出的方法具有很高的准确性,能够很大程度上提高头颈部动脉的分割质量,并且具有很高的可重复性。第五,提出了一个快速稳定的下齿槽神经管提取方法。该方法首先通过连通区域的特征分析,检测剖面图中的神经管中心点位置；然后通过样条插值处理,得到神经管中心线；最后,通过判断并结合中心线邻近区域内具有相似特征的其它体素点,提取出整个下齿槽神经管。评估结果显示方法能够成功提取出评估数据中的全部神经管(100%成功率),并且具有很高的精确度和较短的运行时间。(本文来源于《东北大学》期刊2012-09-01）
武倩[3]（2005）在《磁共振脑图像中肿瘤化组织的特征提取和分割》一文中研究指出磁共振图像中胶质瘤的分割是医学图像处理的一个难点,自动测量胶质瘤引起的肿瘤化组织(肿瘤实质、出血、坏死、囊变等)的体积及其变化,有利于诊断和评估治疗效果,帮助医生减少工作量,提高工作效率。本文通过对颅内肿瘤化组织和正常脑组织在不同磁共振图像序列上的信号特征进行研究和对比,结合医生提供的知识以及胶质瘤的生长特性,提出了肿瘤化组织的一个两级自动分割方案,即首先根据肿瘤化区域和正常脑组织的信号差异提取出整个肿瘤化病变区域,然后在此区域中对不同类型的病变根据其在多序列磁共振图像上的信号特点进行更细致地分析,从而实现各肿瘤化组织的分割。对肿瘤化病变区域的提取,我们采用了叁种方法:(1) 用体素在多序列图像中的信号强度特征以及其在叁维空间中的坐标信息进行加权来构造特征空间,然后用支持向量机对肿瘤化组织和正常组织进行分类从而实现肿瘤化区域的分割;(2) 通过对比肿瘤化组织和正常组织在 T1、T2 加权图上的相对信号强度差异,我们提出了一种基于 T1/T2 加权图的差值变换,通过此变换各种组织的相对信号强度的对比得到进一步的增强,然后通过域值分析来实现肿瘤化区域的分割;(3) 在模糊连接度分割算法的基础上增加最优路径的特征相似度检验,并将其应用到经过差值变换后的图像上来实现肿瘤化区域的提取。这叁个方法都充分利用了肿瘤化区域的特点以及医生提供的知识,在尽可能减少人工交互的同时,也能得到完整而精确的肿瘤化病变区域。在肿瘤化区域内分割各病变组织,我们用半监督的模糊 C 均值聚类和有监督的最近邻法来实现。最近邻法的结果依赖于训练样本的选择,比较而言,半监督的模糊 C 均值聚类算法用模糊隶属度来描述样点属于各种病变的可能性,能得到更加理想的结果。将两级分割系统应用到叁组临床病例的图像数据,实验结果表明,与专家手工分割的结果相比,两级方案的自动分割能取得令人满意的肿瘤化区域和肿瘤化组织的分割实现。而且,两级方案为肿瘤化区域内所有可能的病变类型的分割建立了一个良好的框架。(本文来源于《清华大学》期刊2005-06-01）
万卫兵,施鹏飞[4]（2004）在《基于裁剪技术的组织细胞的分割和提取》一文中研究指出介绍了一种与传统的图像区域分割方法不同的图像处理方法 ,这种方法通过对二值图像进行各种阈值运算来实现图像区域的分割。通过实验 ,显示该技术对去除附着于细胞体周围的背景区域 ,分离出多个相互粘连的细胞体是非常有效的。裁剪技术还将可推广应用到生物对象以外的领域中去(本文来源于《中国体视学与图像分析》期刊2004年03期）
组织分割与提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在计算机辅助诊断系统中,基于CT影像的人体管状组织分割与中心线提取具有极其重要的意义,是疾病定量分析、可视化、多期图像配准等多种实际应用的基础。但是由于人体内的管状组织结构复杂且通常位于复杂的解剖背景之中,基于CT影像的管状组织分割和中心线提取非常具有挑战性。针对仍然存在的问题,本文致力于提高管状组织分割和中心线提取的准确性,提高其自动化程度,并尽可能地减少所需的运行时间。本文完成的主要工作有：第一,提出了一个快速的升主动脉自动分割方法。该方法基于二维的区域生长算法,使用迭代的方式逐层分割出叁维升主动脉整体,整个过程无需任何交互。所提出的方法使用临床获取的103套心脏CT造影数据进行了评估。评估结果显示所提出的方法能够快速稳定地分割出升主动脉,分割的成功率高达95.1%,单套数据的平均运行时间为1.5秒。第二,提出了一个基于CT造影图像的冠状动脉自动分割方法。该方法首先在尺度空间中使用管状结构相似性函数自动提取冠状动脉种子点,实现了分割过程的全自动化。然后,根据冠状动脉的结构特征,使用一个改进的层区域生长方法分割出叁维冠状动脉整体。评估显示所提出的方法在冠状动脉分割的准确性和速度方面都取得了令人满意的结果。第叁,提出了叁个冠状动脉中心线提取方法,分别是基于改进追踪的方法、基于细化和追踪相结合的方法和基于改进距离变换的方法。然后,对所提出的叁种方法进行了准确性、运行时间、自动化程度和应用范围的比较和讨论。此外,还提出了叁种中心线准确性自动检测和错误自动校正方法,分别用于检测和校正由于血管的窄颈过分割、宽颈过分割／部分欠分割、完全欠分割所造成的中心线错误。定量评估结果显示所提出的方法能够有效地检测并校正中心线错误,提高冠状动脉中心线的准确性。第四,提出了一个基于配准减影和形态学操作的头颈部动脉分割优化方法。评估实验显示分割方法能够在大多数情况下得到准确完整的头颈部动脉分割结果,而优化方法能够在图像质量差时很大程度上提高分割的质量,弥补配准过程中产生的问题。此外,还提出了两种用于头颈部动脉分割精炼的血管编辑方法,分别用于移除分割体中的错误分割组织和添加缺失的血管。定量评估结果显示所提出的方法具有很高的准确性,能够很大程度上提高头颈部动脉的分割质量,并且具有很高的可重复性。第五,提出了一个快速稳定的下齿槽神经管提取方法。该方法首先通过连通区域的特征分析,检测剖面图中的神经管中心点位置；然后通过样条插值处理,得到神经管中心线；最后,通过判断并结合中心线邻近区域内具有相似特征的其它体素点,提取出整个下齿槽神经管。评估结果显示方法能够成功提取出评估数据中的全部神经管(100%成功率),并且具有很高的精确度和较短的运行时间。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
组织分割与提取论文参考文献
[1].宫晓楠.基于腺体组织分割和混合特征提取的乳腺密度分析[D].兰州大学.2019
[2].付玲.基于CT影像的管状组织分割与中心线提取研究[D].东北大学.2012
[3].武倩.磁共振脑图像中肿瘤化组织的特征提取和分割[D].清华大学.2005
[4].万卫兵,施鹏飞.基于裁剪技术的组织细胞的分割和提取[J].中国体视学与图像分析.2004
论文知识图
