基于加速健壮特征拟合算法和Chan-Vese模型的超声图像腔室分割方法
来源：计算机应用杂志2015年第4期北京时间：
作者：陈小龙, 王晓东, 李昕, 叶剑宇, 姚宇
单位：1. 中国科学院 成都计算机应用研究所, 成都 610041;2. 中国科学院大学, 北京 100049;3. 贵州大学 计算机科学与技术学院, 贵阳 550025
摘要：针对超声心动周期序列图的腔室自动分割过程中,弱边缘轮廓难以有效提取的问题,提出一种基于加速健壮特征(SURF)拟合算法和Chan-Vese模型的超声图像腔室分割方法。首先对序列中第一帧图像进行人工标记弱边缘轮廓;然后,提取弱边缘轮廓周围的SURF点,建立Delaunay三角网;接着,通过相邻两帧之间的特征点匹配,预测后续帧的弱边缘轮廓;之后,用Chan-Vese模型提取粗糙轮廓;最后采用区域生长算法得到精确的目标轮廓。实验结果表明,该算法能较好地完整提取超声序列图像中含弱边缘的腔室轮廓,并且与专家手动分割结果相近。
关键词：超声心动图,Chan-Vese模型,Delaunay三角网,加速健壮特征算法,腔室分割
基金资助：四川省科技支撑计划项目(2011GZ0171, 2012GZ0106)。
