24、脑肿瘤检测与视觉对象笔画测量技术综述

脑肿瘤检测与视觉对象笔画测量技术综述

脑肿瘤检测方法

在脑肿瘤检测领域，图像分割是关键步骤，有多种技术可供选择。
- 聚类算法 ：通过将点根据与均值点的接近程度分组，在图像中创建分区。例如Lakshmi和Wu在研究中使用了这种技术。不过，这些算法虽然易于实现，但结果较为敏感。而模糊c - 均值算法等软聚类技术，不将单个点分配到单一聚类，而是计算每个点属于每个聚类的概率，假设一个对象可以属于多个聚类，Karnan和Lakshmi在研究中使用了该方法。
- 卷积神经网络分割 ：Derikvand提出了基于补丁和像素的卷积神经网络脑肿瘤分割方法，尤其在肿瘤核心区域改善了分割结果。
- 部分视图分割 ：Yin引入了一种名为部分视图分割的新型脑肿瘤分割方法，使用人工神经网络不仅能达到良好的准确性，而且训练时间更短，尽管在训练过程中存在过拟合问题，但可以通过平衡训练和测试数据集来弥补。

图像分割后，需要进行后处理操作以评估肿瘤大小并分类。常见的后处理技术包括：
1. Canny边缘检测 ：利用图像中对象边界的对比度急剧变化，使用高斯滤波器去除噪声，通过滞后阈值检测边缘，Lakshmi在研究中使用了该方法。
2. 形态学操作 ：使用数学结构元素定义肿瘤大小并提取有意义的信息。Badran使用Harris - Laplace或LOG - Lindeberg算法优化分割结果，Sadashivappa提出使用二进制膨胀和二进制侵蚀等形态学操作进行进一步优化。
3.