.png){kind=icon}
返回
Automatic lung segmentation based on Graph Cut using a distance‐constrained energy
.png){kind=icon}
PRE
AI
DOI：10.1049/iet-cvi.2017.0226.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
肺部分割旨在通过在图像中将肺部与周围解剖结构分离，确保在肺图像分析过程中考虑到肺的所有部分。研究表明，计算机断层扫描（CT）图像显著提高了医生在肺癌检测中获得的诊断准确性。因此，受图割（Graph Cut）在图像分割中成功的启发，并考虑到分析CT图像的手动方法既繁琐又耗时，提出了一种基于图割且利用距离约束能量（DCE）的自动分割方法。图割通过建模图像数据和像素间的空间关系产生全局最优解。然而，胸部CT图像中的几个解剖区域具有与肺部相似的像素强度值，导致分割结果中将肺组织和所有这些区域都包含在内。因此，通过使用来自包含肺部的粗略分割CT图像区域的像素距离，进一步约束全局能量函数。该方法利用DCE函数，在利用图割从CT图像中分割肺部时，相较于使用无约束能量函数显示出显著改进。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息