基于弹性匹配活动轮廓模型心脏超声图像分割

来源 :计算机应用与软件 | 被引量 : 1次 | 上传用户:huanghong198122
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
超声医学图像由于受成像机理的影响,图像对比度不高、边缘不明显。基于传统活动轮廓线模型(snake模型)的分割方法可能产生过分割或泄漏问题。由于医学图像中拓扑结构已知,因此基于先验知识的活动轮廓线分割方法是解决这个问题的一个有效途径。建立一种新的基于弹性匹配活动轮廓线模型,该方法将待分割曲线的形状与原型曲线用弹性匹配测量变形量或相似度。曲线在演化过程中,根据变形量或相似度,可以准确分割模糊的边缘,同时保持整体目标分割形状。通过对二维小儿超声心脏图像的左心房内壁进行分割,经比较,基于弹性匹配活动轮廓线分
其他文献
在分析了已有的细化算法的基础上,提出了一种基于分区标记的快速细化方法,这种算法属于逐层剥离法,虽然不能避免逐层剥离法的局限性,但方法采用了系列优化措施。实例表明,该方法极大地提高了细化效率,为线自动、快速矢量化奠定了基础,具有推广意义。
作文教学是中学语文教学的一个重要组成部分,也是实施素质教育的一面镜子。增强学生的写作能力,提高写作水平,应千方百计地激发学生的写作兴趣。兴趣是驱使学生智力和能力发展的
小编语:十五岁,我们大多数同学都还在懵懵懂懂地上初中,但王轶群却已经在清华大学的校园里等着大家。他是天才儿童,他也是靠着后天的努力以及对学习的无法执著,提前完成了学业梦。
为了解决数据遗漏问题,根据类内样品点均匀分布的性质提出了一种新的聚类方法,即:先从样品集中获得蕴含式类,然后通过支持度获得标准类,最后通过隶属度标识类内成员的强弱程度。该方法仅对类内样品点均匀分布性敏感,不需要预先设置包括类核坐标、类间距离阈值等先验参数,对非凸性类也能有效分类。同时,实验表明该方法是一个具有较高性能的聚类方法。
班主任在学生的成长过程中至关重要,既是学生的引路人,又是学生的精神导师。因此,班主任工作的成败直接影响到学校教育的效果,对促进学生全面发展,甚至是终身发展有着实质性