一种新颖的前列腺超声图像分割方法

摘要：

现有的基于先验知识的超声图像分割方法往往都需要对先验形状进行建模,由于建模一般都是对形状的整体进行学习,造成最终分割结果往往在细节上会有所不足,并且在分割过程中都涉及到对形状的迭代,对分割时间也会造成一定的影响.为了克服现有先验知识的不足,提出一种新颖的图像分割方法.该方法提出了一种边界描述符,定义了分割过程中前后检测点的空间关系,使用该空间关系能够将边界点检测过程中出现的异常(噪声)点自动过滤掉,从而摒弃掉了对先验知识的依赖.同时,该描述符改进了传统的法向量对比度边界算子,考虑了其邻域法向量上的边界信息,使得边界检测性能得到了极大的提升.实验结果表明,使用该边界描述算子能够直接将前列腺的边界分割出来,相比传统的边界检测过程,迭代次数可以忽略不计,在时间和精度上都得到了极大的提升.

关键词：超声图像分割;前列腺图像;法向量对比度;先验形状;边界描述符;深度学习;迭代寻优

所属期刊栏目：45

分类号：TN911.73⁃34;TP391.4

资助基金：国家自然科学基金U1401252

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：52-57