邊緣檢測算法在醫(yī)學超聲液性病變圖像中的應用
加入技術交流群
通過以上兩組實驗可以看出，由于超聲液態(tài)病變圖像固有特征，經(jīng)典的邊緣檢測算法并不能清晰的勾畫出液性病灶的邊緣來，對包含病灶區(qū)域的擴大區(qū)域實施邊緣檢測算法，將得到更多冗余的邊緣信息，不能得到感興趣病灶區(qū)域的輪廓。而Snake模型卻可以較好地選取特定的區(qū)域，利用算法特有的曲線變化方式，最終收攏到雙側灰度梯度變換平衡點位置，達到邊緣提取的良好效果，主要原因在于：
(1)Snake模型可以人為的設定待提取邊緣的主要控制點，縮小了曲線變化的范圍，更加具有針對性的對特定區(qū)域進行邊緣提取；
(2)Snake模型對圖像灰度變化較敏感，在曲線內力和外力達到平衡的情況下，曲線可以很好的穩(wěn)定在一個位置，形成平滑的連續(xù)的曲線。本文引用地址：http://www.antipu.com.cn/article/193780.htm
3 結語
本文應用幾種不同的邊緣檢測算法提取醫(yī)學超聲液態(tài)病變圖像的邊緣，實驗結果表明，經(jīng)典邊緣檢測算法的提取效果不明顯，而基于Snake模型的邊緣提取算法由于采用動態(tài)的調整方法，提取的圖像邊緣完整、平滑、清晰，方便于后續(xù)的診斷性測量，具有一定的臨床應用價值，因此，在臨床使用的醫(yī)學超聲儀器中，使用類似算法提取液性病變圖像邊緣，將是一個應用趨勢。
評論