肺癌是一种世界性的高发疾病，死亡率更是居高不下。早发现，早治疗是提高肺癌的治愈率和延长患者生命周期的重要手段，而肺结节是肺癌早期的主要表现形式，因此，对肺结节的早期诊断分析是提高肺癌患者生存率的关键。利用计算机断层扫描技术（Computed Tomography, CT）筛查肺结节是目前通常采用的诊断方法。随着患者的日益增多，肺部 CT 数据也在呈指数级地增长，无疑给医师的人工筛查工作带来了巨大的挑战和负担，因此使用计算机辅助诊断（Computer Aided Diagnosis, CAD）技术进行肺结节检测分割十分必要，能极大的提高医师的诊断效率并进一步提高肺癌诊断的准确率。 由于肺结节在尺寸、形状上的多变性以及与肺部血管等组织的相似性。在使用传统分割方法进行肺结节分割时，过于依赖医师的先验知识及主观判断，导致容易出现漏分割和过分割的情形。利用深度学习算法的分割过程不再需要人为选择特征，并且能够提取到更具体、更有辨识度的信息，将深度学习算法用于医学图像分割现已成为一个重要的研究方向。U-Net 网络因结构简单、泛化能力强，已广泛应用于医学图像处理领域。
2022-05-27 21:05:47
3.1MB
Segmentation Using Superpixels: A Bipartite Graph Partitioning Approach 论文代码
2022-05-26 09:40:52
1.43MB
1
近年来谱聚类算法被广泛应用于图像分割领域，而相似性矩阵的构造是谱聚类算法的关键步骤。 针对传统谱聚类算法计算复杂度高难以应用到大规模图像分割处理的问题，提出了基于半监督的超像素谱聚类彩色图像分割算法。该算法利用超像素将彩色图像进行预分割，利用用户提供的少量标记信息构造预分割区域的基于半监督的模糊相似性测度，利用该相似性测度构造预分隔区域的相似性矩阵并通过规范切图谱划分准则对预分割区域进行划分得到最终的图像分割结果。由于少量标记信息和模糊理论的引入，提高了传统谱聚类的分割性能，对比实验也表明该算法在分割效果和计算复杂度上都有较大的改善。
2022-05-26 01:06:44
859KB
1
基于熵的方法是比较简单且效率高的一种图像分割方法，针对多类的图像，我们应用多阈值的方法进行分割，结合粒子群优化，提高分割速率，达到较好的分割结果。
2022-05-24 19:14:02
454KB
1
该程序将彩色图像分割成不同的区域。 本程序中分段的步骤如下：
1. 输入的彩色图像将使用 25 个 bin 粗略表示。 2. 粗略表示使用来自基于直方图的窗口过程的空间信息。 3. K-Means 用于对粗图像数据进行聚类。
Matlab 编程新手可以查看“SampleUsage.m”文件，了解脚本“colImgSeg.m”的使用方法。
已经熟悉Matlab编程的可以直接使用脚本“colImgSeg.m”。
2022-05-23 21:11:27
32KB
1