典型文献
肝囊型包虫病超声图影像区域分割算法研究
文献摘要：
目的 测试Ostu阈值分割、马尔可夫随机场分割和基于深度学习的Poly-YOLO网络模型分割3种方法在肝囊型包虫病超声图像影像区域的分割性能.方法 分别使用单尺度图像增强Ostu阈值分割、马尔可夫随机场分割和基于深度学习方法的Poly-YOLO分割网络对肝囊型包虫超声图像中的扇形影像区域进行分割,以去除图像中的干扰信息,并采用Dice相似系数(Dice Similarity Coefficient,DSC)、重叠度(Intersection of Union,IOU)、真阳性率(True Positive Rate,TPR)、豪斯多夫距离(Hausdorff Distance,HD)评价上述3种算法的分割效能.结果 Poly-YOLO算法对肝囊型包虫病超声图像具有较好的分割结果,在有效去除非影像区域信息的同时,DSC可达0.80,TPR为0.88,IOU为0.71,HD为2.11.结论 相较于基于SSR的Ostu阈值分割方法、马尔可夫随机场图像分割算法,基于深度学习的Poly-YOLO网络能较好地分割出肝囊型包虫病超声图像扇形影像区域,去除图像中的非影像信息,为后续病灶自动分类研究奠定了一定的理论基础.
文献关键词：
肝囊型包虫病;超声图像;Ostu阈值分割;Poly-YOLO;马尔可夫随机场
中图分类号：
作者姓名：
王正业;热娜古丽?艾合麦提尼亚孜;王晓荣;米吾尔依提?海拉提;严传波
作者机构：
新疆医科大学公共卫生学院,新疆乌鲁木齐830011;新疆医科大学第一附属医院超声诊断科,新疆乌鲁木齐830011;新疆医科大学医学工程技术学院,新疆乌鲁木齐830011
文献出处：
引用格式：
[1]王正业;热娜古丽?艾合麦提尼亚孜;王晓荣;米吾尔依提?海拉提;严传波-.肝囊型包虫病超声图影像区域分割算法研究)[J].中国医疗设备,2022(10):18-23,28
A类：
B类：
肝囊型包虫病,区域分割,算法研究,Ostu,阈值分割,马尔可夫随机场,Poly,YOLO,模型分割,超声图像,图像影像,图像增强,深度学习方法,分割网络,扇形,形影,Dice,相似系数,Similarity,Coefficient,DSC,重叠度,Intersection,Union,IOU,True,Positive,Rate,TPR,豪斯多夫距离,Hausdorff,Distance,HD,除非,区域信息,SSR,分割方法,图像分割算法,割出,自动分类,分类研究
AB值：
0.287269
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
