使用自适应阈值模糊连通性方法对肝脏CT图像进行血管分割。

背景:模糊连接方法已显示出其近年来在模糊对象提取中的有效性。 但是,将其应用于肝血管分割任务时可能会出现两个问题。 一个是过多的计算成本,另一个是难以为最终分割选择合适的阈值。 方法:本文首先提出了一种基于查找表的加速策略,该策略可以减少连接场景的计算时间,并达到大于2的加速因子。当模糊连接关系的计算完成时,阈值为需要产生最终结果。 当前阈值是由用户预设的。 由于不同的阈值可能会产生不同的结果,因此如何确定适当的阈值至关重要。 根据我们对肝血管结构的分析,采用分水岭式方法找到最佳阈值。 同时,通过使用Ostu算法计算亲和关系参数,并为种子分配平均值,可以减少种子位置对分割结果的影响,提高模糊连通度方法的鲁棒性。 结果:基于四个不同数据集的实验证明了查找表策略的效率。 这些实验还表明,通过分水岭样方法发现的自适应阈值始终可以生成正确的肝血管分割结果。 与广泛用于肝血管分割的精确区域生长算法相比,模糊连接方法在检测血管边缘和通过血管末端的弱连通性生成多个血管系统方面具有优势。 结论:提出了一种基于模糊连通度的改进算法。 该算法提高了模糊连接方法在肝血管分割中的性能。