【技术实现步骤摘要】
本专利技术涉及超声图像轮廓检测，具体为基于级联框架的高精度超声轮廓检测方法、系统及设备。
技术介绍
1、医学超声图像作为重要的医学影像形式之一，在临床诊断和医学研究中发挥着重要作用，在临床中，超声图像诊断中感兴趣区域的形态学特征及其面积或体积都是重要的诊断信息，而这些信息的计算依赖于区域的轮廓，因此，提取区域轮廓是医学超声图像诊断的关键环节，然而，由于超声信号衰减、散斑、阴影、信号泄露以及由于图像获取的方向性导致的边缘遗失等缺陷造成图像中各组织间的边界模糊不清，从而使医生对超声图像中感兴趣区域轮廓辨识比较困难。
2、现有技术中常用主曲线方法一般需要人为自定义簇点，无法自动确定簇点，且获得的轮廓精度不足，为此，我们提出基于级联框架的高精度超声轮廓检测方法、系统及设备。
技术实现思路
1、本专利技术的目的在于提供一种基于级联框架的高精度超声轮廓检测方法、系统及设备，能够通过空间聚类算法自动获取曲线簇点，完成的全自动主曲线提取，并得到最终的光滑图像轮廓。
2、为实现上述目...
【技术保护点】
1.基于级联框架的高精度超声轮廓检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于级联框架的高精度超声轮廓检测方法，其特征在于：所述轮廓采样点为n个二维采样点，采用集合表示为Xn＝{x1,...,xn},xi∈R2，轮廓采样点的矩阵表达形式为X＝[x1,...,xn]T。
3.根据权利要求1所述的基于级联框架的高精度超声轮廓检测方法，其特征在于，采用基于优化的密度噪声应用空间聚类算法对轮廓采样点进行处理，具体步骤如下：
4.根据权利要求3所述的基于级联框架的高精度超声轮廓检测方法，其特征在于：所述密度可达的判断原则为
5....
【技术特征摘要】
1.基于级联框架的高精度超声轮廓检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于级联框架的高精度超声轮廓检测方法，其特征在于：所述轮廓采样点为n个二维采样点，采用集合表示为xn＝{x1,...,xn},xi∈r2，轮廓采样点的矩阵表达形式为x＝[x1,...,xn]t。
3.根据权利要求1所述的基于级联框架的高精度超声轮廓检测方法，其特征在于，采用基于优化的密度噪声应用空间聚类算法对轮廓采样点进行处理，具体步骤如下：
4.根据权利要求3所述的基于级联框架的高精度超声轮廓检测方法，其特征在于：所述密度可达的判断原则为：
5.根据权利要求3所述的基于级联框架的高精度超声轮廓检测方法，其特征在于：所述种群规模cs的计算方法如下：cs＝a×z+z×u+z+u。
6.根据权利要求...
【专利技术属性】
技术研发人员：彭涛，孙浩，阮怡文，陈新建，石霏，
申请(专利权)人：苏州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。