医学图像分割方法综述.pptx

医学图像分割方法综述背景医学图像分割图像分割阈值法直方图基于阈值图像分割基于阈值图像分割example区域生长和分裂合并example分类器聚类统计学方法边缘检测边缘检测边缘是改变发生地方图像梯度怎样得到每个像素梯度example并行微分算子原图不是边界上全部点都要提取，而只是提取其中一部分。提取点能够基本带便边界走向。example基于曲面拟合方法串行边界查找基于形变模型方法形变轮廓模型：使轮廓曲线在外能和内能作用下向物体边缘靠近，外力推进轮廓运动，而内力保持轮廓光滑性。形变表面模型：以更高效、更加快地利用三维数据，而且更少地需要用户交互或指导。优点：能够直接产生闭合参数曲线或曲面，并对噪声和伪边界有较强鲁棒性。还有一些形变模型利用了形状先验知识和标识点集合（pointsets）等先验知识能够使分割结果更为健壮和准确。缺点：参数形变模型固定参数与内部能量约束限制了其几何灵活性，不能随意改变拓扑形状，而且对初始形状敏感。改进：提升算法自动化程度，同时维持形变模型原有优点；气球理论，梯度矢量流（GVF）概念等。Snakefunctionexampleexample基于结合区域和边界技术方法其它分割方法总结THANKS!