%A 高倩倩,孙世春 %T 基于CV模型的肝脏核磁共振序列图像自动分割方法 %0 Journal Article %D 2020 %J 中国医疗设备 %R 10.3969/j.issn.1674-1633.2020.08.016 %P 64-66 %V 35 %N 8 %U {http://cs.china-cmd.org/zgylsb/CN/abstract/article_5063.shtml} %8 2020-08-10 %X 目的 研究基于无边缘主动轮廓(Chan-Vese,CV)模型的肝脏磁共振成像(Magnetic Resonance Imaging,MRI)序 列图像自动分割方法。方法 在传统CV模型的基础上,通过对CV模型能量泛函进行改进,使用新的边缘指示函数来替换 Dirac函数,优化CV模型参数优化,促进CV模型分割精度、分割速度提升。通过Jaccard系数和Dice系数对图像分割的结果 定量评估,分析数据。结果 改进CV模型抗噪性能较好,适用于被干扰的图像分割以及复杂场景图像分割。且改进CV模型 分割时间和迭代次数、Jaccard系数和Dice系数均低于传统CV模型,差异具有统计学意义(P<0.001)。结论 改进CV模型算 法对肝脏的MRI图像的分割效果显著,基于CV模型的肝脏核磁共振序列图像自动分割方法能快速准确的提取目标,在医学 图像分割中较理想。