作者：任子晖; 邱天舒血管分割curvelet变换遗传神经网络
摘要：针对血管深度信息丢失、树状血管结构复杂等问题,结合血管横截面像素高斯分布特征提出一种无监督与有监督相结合血管分割新算法.对血管图像进行离散Curvelet变换,以自适应调整图像变换系数的方式实现血管特征增强;以2 D Gaussian卷积核为模板对特征增强后的图像进行滤波处理,提升血管与背景的对比度;利用改进的遗传神经网络模型识别图像中的血管与非血管像素完成分割.实验结果表明,对比于单一的Gaussian变换,所提算法的分割准确率和真阳性率(TPR)平均提升1.8%、16%,分别达到94.6%、77.6%.通过引入无监督Curvelet线性增益函数及有监督神经网络方法,使得算法较传统无监督类方法在准确率及真阳性率方面提升效果较佳.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
