基于值梯度组合和改进的凸船体方法的肺部CT图像细分算法的研究.
Junbao Zheng1, Lixian Wang2, Jiangsheng Gui3
1School of Computer Science and Technology (School of Artificial Intelligence), Zhejiang Sci-tech University, Hangzhou, 310018, Zhejiang, People's Republic of China.
Scientific reports
|July 31, 2024
概括
这项研究引入了一种新的肺图像细分算法,该算法结合了值和梯度方法. 这种方法提高了肺部细分的准确性和稳定性,特别是在挑战COVID-19CT扫描时.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 由于噪音,灰度不均和复杂的病理,肺部图像细分具有挑战性.
- 精确的肺部细分对于诊断和监测呼吸道疾病至关重要.
研究的目的:
- 开发一个先进的肺图像细分算法,解决噪音和轮损失.
- 改善医学成像中的肺部细分的准确性,一致性和稳定性.
主要方法:
- 提出了初始的肺口罩提取方法,使用值和梯度方法的组合.
- 使用基于差分内存 (TFDM) 的时间序列特征提取方法进行梯度计算.
- 实施了改进的凸船体算法,用于修复肺部轮,以处理病变.
主要成果:
- 拟议的算法在COVID-19CT数据集上取得了优异的细分结果.
- 在肺部细分的一致性和准确性方面取得了显著的改进.
- 该方法有效地捕获了更多的肺部信息,从而实现了强大的细分.
结论:
- 开发的算法为具有挑战性的肺图像细分任务提供了有效的解决方案.
- 结合TFDM和改进的凸船体,提高了细分的准确性和稳定性.
- 这种方法有望从医学图像中更好地分析呼吸系统疾病.


