王晓飞
- 作品数：4 被引量：5H指数：2
- 供职机构：上海理工大学医疗器械与食品学院医学影像工程研究所更多>>
- 发文基金：国家自然科学基金上海市教育委员会创新基金上海市自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 改进的Brain Extraction Tool算法及其在脑实质分割中的应用
- 2016年
- BET(Brain Extraction Tool)算法是一种常用的从磁共振(MRI)脑图像中分割脑实质的工具,在实际应用中发现,BET算法对正常脑实质的分割精度较高,但对有病灶的脑实质分割精度较差。根据BET算法存在的问题,改进原BET算法中不合理的u_3,简化了计算繁琐的u_2,并将其应用于分割MRI图像中的脑实质。首先:选择序列图像中间层,对其应用两次改进后的BET算法获得精确分割结果;然后:将获得的边界向其中心缩小一定比例后作为与其相邻层的初始边界再次应用修改后的算法获得该层精确边界;最后,不断重复上述步骤直至所有层分割结束。改进后的算法对脑部图像分割结果与人工分割结果的重叠率达到92.92%,而使用FSL中提供的BET工具的分割结果与人工分割结果的重叠率为88.94%。改进后的算法相比原BET算法能够更加准确地分割MRI图像中的脑实质。
- 王晓飞聂生东王远军
- 关键词：磁共振图像脑实质
- 改进的K-均值聚类算法及其在脑组织分割中的应用被引量：3
- 2014年
- 目的:鉴于K-均值聚类算法易受初始聚类中心的影响,初始聚类中心不仅影响聚类速度,还可能使算法陷入局部极小值,得到错误的聚类结果,基于SOM神经网络,提出了一种改进的K-均值聚类算法并将其应用于脑实质分割。方法:首先,由SOM神经网络对图像进行初始聚类,得到k个聚类中心值;然后,以SOM神经网络获得的k个聚类中心值作为K-均值聚类算法的初始聚类中心对图像进行k-均值聚类,最终获得图像的聚类分割结果。结果:基于SOM神经网络的K-means聚类算法的分割精度为0.9274,K-means聚类算法的分割精度为0.8649。结论:利用改进的K-均值聚类算法对磁共振脑部图像进行了分割实验,结果表明该算法有效改善了K-means聚类算法初始聚类中心选取的盲目性,使聚类结果更为准确、稳定,取得了比单一方法更好的分割结果。
- 王晓飞聂生东王远军
- 关键词：SOM神经网络K-均值聚类算法磁共振图像脑组织
- 一种检测脑肿瘤的3D自适应模板匹配算法
- 2015年
- 为快速有效地检测脑肿瘤,提出一种基于3D自适应模板匹配算法的脑肿瘤快速检测方法。采用改进的BET（brain extraction tool）算法从磁共振颅脑图像中提取出脑实质;再从脑实质中提取出包含所有肿瘤结构的3D感兴趣区域,并采用圆形度等特征对这些3D感兴趣区域进行筛选,筛选后的3D感兴趣区域可能是脑肿瘤。以每个3D感兴趣区域的中间层为基本层建立3D模板,将建立的3D模板与原图像中相应位置的3D感兴趣区域进行匹配,根据匹配特征确定相应的阈值,将高于阈值的3D感兴趣区域标记为肿瘤区域。为评价算法的性能,采用包含124个肿瘤（3~15 mm）的23个临床病例对该方法进行测试,利用ROC（receiver operating characteristic）曲线对测试结果进行分析,结果显示,该方法的敏感性率为88.7097%,假阳性为16.03%。与近年来报道的模板匹配方法相比,检测性能有明显的提高。
- 王晓飞聂生东王远军
- 关键词：磁共振成像脑肿瘤自适应
- 基于MRI的脑肿瘤计算机辅助检测技术研究进展被引量：2
- 2014年
- 概要:目的:总结计算机辅助检测技术在脑肿瘤检测领域的发展现状。方法:本文按照计算机辅助检测过程中的关键技术为分类,分别对其进行深入研究。结果:相对于其他肿瘤,脑肿瘤对患者的生存质量和生存时间的影响尤其严重。如果能在早期发现脑肿瘤并及时治疗,则可明显改善患者的生存质量,有效延长患者的生存时间。目前,磁共振成像(MRI)是显示脑肿瘤的最佳方式,但通过放射科医生对海量MRI图像进行判读发现早期脑肿瘤是非常困难的,而以图像处理与分析为基础的计算机辅助诊断(CAD)技术则是解决这一难题的有效途径。结论:本文对近年来基于MRI的脑肿瘤计算机辅助诊断技术的报道进行分析和深入研究,论述了脑肿瘤CAD的研究进展情况、存在的问题及可能的解决方案。
- 王晓飞聂生东王远军
- 关键词：脑肿瘤MRI计算机辅助诊断
