医学图像处理的特点和热点问题
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
EMP-MI
时间 25.1687 7.0401 11.6816 4.6163 36.6081 8.4328
成功率 94% 96% 90 % 92 % 75% 92%
5、目标分割
医学图像目标分割也是当前国际研究热点， 是精确量化诊断的重要依据。
主要问题
分割类数不确定;分割精度不高，灰度归类 算法没有考虑空间特性。
a.模板原始图像
b.平移伪影图像
c.能量聚焦法修正结果 d.逆向迭代修正结果
MR平移运动伪影消除
a、e为原始图像；b、f为模拟伪影图像；c、g为能量聚焦法修正的结果； d、h为自动逆向迭代法修正的结果
EF和IIC在信噪比和运行时间上的对比
方法
模板 图像
头颅 图像
腹部 图像
信噪比 EF
（dB） IIC
FS与MI配准方法的误配率比较
方法 CT-MR PET-CT PET-MR
MI
20%
36%
44%
FS
5%
16%
22%
实 验 采 用 美 国 Vanderbilt 大 学 Retrospective Registration Evaluation Project （RREP）项目组提供的国际通用刚性配准图像数据，评估方式采用配准获得的 结果与项目组已有的金标准进行比较。
主要问题
在重建过程中多线圈K空间数据共同参与成像，但是 在数据采集过程中，个别位置的线圈数据常常容易遭 到运动的破坏，从而对最终重建的复合图像产生巨大 影响。
相应对策
提出了基于AM鲁棒估计的并行磁共振成像算法 ，有 效消除了图像中产生的伪影，增加了图像细节分辨率。
工作基础
把破坏数据看成观测数据样本中的异常值，应 用AM鲁棒估计方法可以很好地抑制异常值对数 据集造成的影响。通过对多线圈并行采集的体 模数据与真实脑部数据进行重建实验，结果显 示该算法可以有效消除异常数据在重建图像中 产生的伪影，有助于提高图像的细节分辩率。
配
MR-T1
准
结
MR-T2
果
基于当量子午面的三维医学图像快速配准算法
MRI
PET
（a）横断面
（b）矢状面
（c）冠状面
基于当量子午面的三维医学图像快速配准算法
MRI
SPECT
（a）横算法的稳健性与计算耗时分析
实验 算法 实验 1 MI
EMP-MI 实验 2 MI
EMP-MI 实验 3 MI
算法分割结果
左心室内壁时序追踪
左心室内外壁三维显示
左心室容量－时间曲线
算法分割结果和专家人工分割误差比较
Hausdorff 距离 单位：mm
Patient1
K（分位数） 内壁
外壁
Patient2 内壁 外壁
Patient3 内壁 外壁
90% 1.27 1.55 1.78 1.75 2.01 2.15
时间 EF （min） IIC
2.036 15.716 12.30 5.25
1.998 8.651 13.65 6.86
2.141 9.121 15.71 8.43
注：实验在P-III/1G 上实现
T2加权PROPELLER方法 的运动伪影消除效果
常规采集方法的重建图像 PROPELLER采集的重建图像
应用于医学图像配准的两相全局优化算法
原图
变形图
本算法
Kybic算法
应用于医学图像配准的两相全局优化算法
原图
变形图
本算法
Kybic算法
应用于医学图像配准的两相全局优化算法
配准前 配准后
表 16组配准试验的结果对比
试验样本数量
配准正确数量 （本文算法）
准确率 （本文算法）
配准正确数量 （参考算法）
(A)模板参考图像；
(B)SENSE方法重建；
(C)本文算法重建；
(D)图(B)的局部放大
体模数据重建结果
(E)图(C)的局部放大
(A)模板参考图像；
(B)SENSE方法重建；
(C)本文算法重建
真实脑部数据重建结果
表1 两种算法关于AP的比较 方. 法 体模数据 真实数据
SENSE 0.0387 本文算法 0.0162
东软数字化医疗系统有限股份公司正研制的CT-PET设备将采 用该技术
基于当量子午面的三维医学图像快速配准算法
利用PCA变换分别将当量子午面调整到水平位置
试验数据取自Biomedical Imaging Resource医学图像库 (/Mayo)
基于当量子午面的三维医学图像快速配准算法
四、医学图像处理的热点研究 （包括自己的工作）
1、优质重建
关于成像重建算法现研究热点集中在 PET 、锥形束螺旋CT 、与MR等方面
PET图像重建
存在问题
图像分辨率低，噪声大，缺少结构信息，无法定 位病灶。
相应对策
a.前处理：基于小波包门限估计的正则化抑噪 技术。 b.后处理：提出各种优化方法，如正则化方 法、最大似然法等滤噪。
T1加权PROPELLER采样数据 的优化重建
原有算法的重建结果
优化算法的重建结果
T1加权图像中的运动伪影表现
T1加权PROPELLER采样数据 的优化重建
原有算法的重建结果
优化算法的重建结果
3. 并行磁共振成像
多线圈采集技术与并行成像算法通过降低磁共振成像 所必需的梯度编码步数有效提高了成像的扫描速度。
相应对策
提出模糊或广义模糊相似准则来提高配准 精度。
工作基础 (1) 关于弹性配准，我们提出基于B-样条与Gibbs随机场正则化弹 性配准算法，在大致相同的时间消耗下，本方法：a、配准精 度高；b、方法鲁棒性好。 (2) 我们提出了基于多框架重叠的模糊相似性测度的刚性配准算法， 稳健性与计算精度明显优于当前同类研究（MI），配准精度提 高2倍。 （3）提出了基于当量子午面的三维医学图像快速配准算法，在保持 原有精度的基础上，计算速度是传统的互信息量算法的三到四 倍。 （4）提出了一个两阶段算法（two－phases method），第一阶段是 用采样的方法得到一个全局极值的近似解，第二阶段是用局部 优化算法得到全局极值的精确解。把种方法应用于医学图像的 弹性方面，配准准确率有了很大的提高
相应对策
在重建过程中对采样密度进行精确补偿。
工作基础
我们对此类问题的研究正在进行中，后续的 PROPELLER采样就是一种非笛卡尔采样。
2、运动伪影校正
MR成像中，运动伪影几乎无所不在，损害了 图像质量。
主要问题
现有各种前处理技术（快速扫描、门控扫描、 欠扫描、过扫描或可矫正重建模式）的校正 效果不理想
准确率 （参考算法）
CT图像 8 8
100％ 3
37.7%
MR图像 8 7
87．5％ 2
25%
总和 16 15 93.75% 5 31.25%
本文算法为利用两阶段优化算法的图像配准算法； 参考算法为基于B样条的弹性配准算法
基于多框架重叠的模糊相似性测度的刚性配准算法
（a）配准前CT图像 （b）配准前MR图像 （c）配准前重叠图像 （d）配准后重叠图像
95% 2.50 2.66 2.90 2.87 4.20 4.33
7、图像压缩
主要问题
医学序列图像的帧内冗余与帧间冗余度很大，失去 一些无关细节不影响诊断，但迄今医学图像的有损 压缩没有一个公认的标准。
相应对策
要提出新的有损标准及算法，实现高压缩比下的高 信噪比优质解码图像。
工作基础
本项目提出了基于小波四叉树的嵌入式编码技术， 其中包括预测与分裂两项新技术，在有损压缩达10 倍以上情况下，信噪比在30个dB以上，不丢失诊断 细节（经影像专家评估）。
CT_head 0.5
34.7
1.0
42.7
0.1
31.2
MR_head 0.5
42.0
1.0
48.1
JPEG 2000
TS-MRF分割 TSF-MRF分割
源图像
MRF分割
TS-MRF分割 TSF-MRF分割
6、运动估计
鲁棒分割是心功能量化评价的重要依据。 MR心脏序列图像分析中，左心室内外壁 的精确
主要问题
分割鲁棒性，准确性和自动化程度；
相应对策
提出基于广义模糊梯度矢量流的改进几何 动态轮廓线算法和内外壁联合分割与时序 追踪方案；
（a）原始CT图
（b）0.2 bpp （c）0.4 bpp
（d）0.5 bpp （e）0.75 bpp
（a）原始MR图
（b）0.2 bpp （c）0.4 bpp
（d）0.5 bpp （e）0.75 bpp
表4. 四种编码方法间的PSNR（dB）比较
Image BitRate SPITH
0.1
23.7
医学图像处理的特点 与热点问题
陈武凡
一、视觉信息处理的支撑性
遥感图像处理 — 应用面窄 医学图像处理 — 应用面宽
二、医学图像处理的前瞻性
高度复杂的成像机制 综合深厚的数学基础 精确实用的高新技术 重大需求的应用前景
三、医学图像处理的特殊性
生理评判的模糊性 信息生成的随机性 物理求解的病态性 面对应用的实时性
脑部MR图像的分割算法比较
(a)为白质的重叠率
(b)为灰质的重叠率
该实验20套MR图像数据来自哈佛大学附属麻省总院IBSR，分割结果与其 提供的专家手动分割结果（金标准）进行对比
DDC分割结果: (a)原图像 (b)FCM (c)GFCM (d)MMS (e)PIXON (f)DDC
噪声图像
MRF分割
相应对策
必须提出新的方法，能具普适性，又有优越 的校正效果。
工作基础
(1) 后处理：我们最新提出的逆向迭代修正 算法(IIC)对MR图像中的仿真平移运动伪 影处理,比美国最近算法(EF)的信噪比提 高约７个dB,计算速度提高一倍以上,且 稳健性好
(2) 前处理：我们最新提出了基于PROPELLER 采样的有运动时磁共振成像的优化重建 方法。
0.0228 0.0156
AP
x, y
Irec( x,
y)
-
Iref
(
x,
y)
2
Iref (x, y) 2
x, y
Irec 为重建图像 Iref 为参考图像
主要反应了重建图像与参考图像的接近程度
4、图像配准
多模态医学图像信息融合是当前研究热点， 而前提是配准技术。
主要问题
当前国际主流算法的误配率较大，难以实 用。
工作基础
提出自适应利用前一次迭代的Gibbs多阶混合 先验知识降噪与保护边缘，使其重建质量优于 其他算法
（a）原始模板图像 （b）二次薄膜先验
（c）二次薄板先验
（d）混合先验知识-2
重建图像横断线轮廓分析
关于CT超短扫描成像
国际上Fan-beam成像算法不适用于感兴趣区域成 像，本研究基于Cone-beam成像的PI line思想， 提出了Fan-beam超短扫描自适应快速成像新算法。
（a） 原始图像 （b）5类分割结果 （c）本文算法结果 （d）分割出的第6类
0.06
0.05
0.04
0.03
0.02
0.01
0
1
2
3
4
5
6
7
8
9
10
(e) 类间能量
6
5
4
3
2
1
0
1
2
3
4
5
6
7
8
9
10
(f) 类内能量
脑部冠状面磁共振图像
（a）
（b）
（c）
（d）
(a) 原始图像, (b) ML 分割结果, (c) CGS 分割结果, (d) FGS分割结果
相应对策
要提出模糊随机分割模型，以提高分割的效 果。
工作基础
提出了基于伪似然算法的新的信息熵准则，可依图像的先验 知识获取最优分类数。 提出了广义模糊Gibbs分割算法（FGS）可自动获取最优分 割效果，且算法稳健性优于国外同类算法（ML与CGS）
提 出 以 互 信 息 熵 差 （ dMI ） 为 分 类 测 度 、 基 于 PIXON 与 GFCM算法的模糊交叉分割算法（DDC），实现了含有真实 病灶的医学图像的分割。 提出了基于TS-MRF的模糊MLL图像分割模型，试验数据采 用标准测试数据以及哈佛医学院提供的MR图像数据，并与 基于传统MRF的方法、基于TS-MRF的方法做了比较。
应用这一思想，现正开展Cone-beam 3D快速成像 算法研究。
Fan-beam超短扫描自适应快速成像新算法
(a) full scan (b) super-short scan (c) super-short scan
MR图像重建
主要问题
笛卡尔采样数据的重建就是快速傅立叶变换， 该类问题已经没有研究空间；非笛卡尔采样数 据的重建中，采样密度的变化造成图像退化。
工作基础
通过把广义模糊梯度矢量流引入水平集曲线演化过程，改 善了传统算法动态范围小和对医学图像弱边界不敏感的问 题；分割过程中人工干预少；在水平集框架下，通过引入 训练集的先验知识加强了分割结果的鲁棒性和收敛速度。
实验表明，算法分割左心室的内外壁的结果和专家手 动分割结果很接近。根据心室内外壁分割结果建立的左心 室三维模型，可以计算出的几种重要的临床心功能指标。
时间 25.1687 7.0401 11.6816 4.6163 36.6081 8.4328
成功率 94% 96% 90 % 92 % 75% 92%
5、目标分割
医学图像目标分割也是当前国际研究热点， 是精确量化诊断的重要依据。
主要问题
分割类数不确定;分割精度不高，灰度归类 算法没有考虑空间特性。
a.模板原始图像
b.平移伪影图像
c.能量聚焦法修正结果 d.逆向迭代修正结果
MR平移运动伪影消除
a、e为原始图像；b、f为模拟伪影图像；c、g为能量聚焦法修正的结果； d、h为自动逆向迭代法修正的结果
EF和IIC在信噪比和运行时间上的对比
方法
模板 图像
头颅 图像
腹部 图像
信噪比 EF
（dB） IIC
FS与MI配准方法的误配率比较
方法 CT-MR PET-CT PET-MR
MI
20%
36%
44%
FS
5%
16%
22%
实 验 采 用 美 国 Vanderbilt 大 学 Retrospective Registration Evaluation Project （RREP）项目组提供的国际通用刚性配准图像数据，评估方式采用配准获得的 结果与项目组已有的金标准进行比较。
主要问题
在重建过程中多线圈K空间数据共同参与成像，但是 在数据采集过程中，个别位置的线圈数据常常容易遭 到运动的破坏，从而对最终重建的复合图像产生巨大 影响。
相应对策
提出了基于AM鲁棒估计的并行磁共振成像算法 ，有 效消除了图像中产生的伪影，增加了图像细节分辨率。
工作基础
把破坏数据看成观测数据样本中的异常值，应 用AM鲁棒估计方法可以很好地抑制异常值对数 据集造成的影响。通过对多线圈并行采集的体 模数据与真实脑部数据进行重建实验，结果显 示该算法可以有效消除异常数据在重建图像中 产生的伪影，有助于提高图像的细节分辩率。
配
MR-T1
准
结
MR-T2
果
基于当量子午面的三维医学图像快速配准算法
MRI
PET
（a）横断面
（b）矢状面
（c）冠状面
基于当量子午面的三维医学图像快速配准算法
MRI
SPECT
（a）横算法的稳健性与计算耗时分析
实验 算法 实验 1 MI
EMP-MI 实验 2 MI
EMP-MI 实验 3 MI
算法分割结果
左心室内壁时序追踪
左心室内外壁三维显示
左心室容量－时间曲线
算法分割结果和专家人工分割误差比较
Hausdorff 距离 单位：mm
Patient1
K（分位数） 内壁
外壁
Patient2 内壁 外壁
Patient3 内壁 外壁
90% 1.27 1.55 1.78 1.75 2.01 2.15
时间 EF （min） IIC
2.036 15.716 12.30 5.25
1.998 8.651 13.65 6.86
2.141 9.121 15.71 8.43
注：实验在P-III/1G 上实现
T2加权PROPELLER方法 的运动伪影消除效果
常规采集方法的重建图像 PROPELLER采集的重建图像
应用于医学图像配准的两相全局优化算法
原图
变形图
本算法
Kybic算法
应用于医学图像配准的两相全局优化算法
原图
变形图
本算法
Kybic算法
应用于医学图像配准的两相全局优化算法
配准前 配准后
表 16组配准试验的结果对比
试验样本数量
配准正确数量 （本文算法）
准确率 （本文算法）
配准正确数量 （参考算法）
(A)模板参考图像；
(B)SENSE方法重建；
(C)本文算法重建；
(D)图(B)的局部放大
体模数据重建结果
(E)图(C)的局部放大
(A)模板参考图像；
(B)SENSE方法重建；
(C)本文算法重建
真实脑部数据重建结果
表1 两种算法关于AP的比较 方. 法 体模数据 真实数据
SENSE 0.0387 本文算法 0.0162
东软数字化医疗系统有限股份公司正研制的CT-PET设备将采 用该技术
基于当量子午面的三维医学图像快速配准算法
利用PCA变换分别将当量子午面调整到水平位置
试验数据取自Biomedical Imaging Resource医学图像库 (/Mayo)
基于当量子午面的三维医学图像快速配准算法
四、医学图像处理的热点研究 （包括自己的工作）
1、优质重建
关于成像重建算法现研究热点集中在 PET 、锥形束螺旋CT 、与MR等方面
PET图像重建
存在问题
图像分辨率低，噪声大，缺少结构信息，无法定 位病灶。
相应对策
a.前处理：基于小波包门限估计的正则化抑噪 技术。 b.后处理：提出各种优化方法，如正则化方 法、最大似然法等滤噪。
T1加权PROPELLER采样数据 的优化重建
原有算法的重建结果
优化算法的重建结果
T1加权图像中的运动伪影表现
T1加权PROPELLER采样数据 的优化重建
原有算法的重建结果
优化算法的重建结果
3. 并行磁共振成像
多线圈采集技术与并行成像算法通过降低磁共振成像 所必需的梯度编码步数有效提高了成像的扫描速度。
相应对策
提出模糊或广义模糊相似准则来提高配准 精度。
工作基础 (1) 关于弹性配准，我们提出基于B-样条与Gibbs随机场正则化弹 性配准算法，在大致相同的时间消耗下，本方法：a、配准精 度高；b、方法鲁棒性好。 (2) 我们提出了基于多框架重叠的模糊相似性测度的刚性配准算法， 稳健性与计算精度明显优于当前同类研究（MI），配准精度提 高2倍。 （3）提出了基于当量子午面的三维医学图像快速配准算法，在保持 原有精度的基础上，计算速度是传统的互信息量算法的三到四 倍。 （4）提出了一个两阶段算法（two－phases method），第一阶段是 用采样的方法得到一个全局极值的近似解，第二阶段是用局部 优化算法得到全局极值的精确解。把种方法应用于医学图像的 弹性方面，配准准确率有了很大的提高
相应对策
在重建过程中对采样密度进行精确补偿。
工作基础
我们对此类问题的研究正在进行中，后续的 PROPELLER采样就是一种非笛卡尔采样。
2、运动伪影校正
MR成像中，运动伪影几乎无所不在，损害了 图像质量。
主要问题
现有各种前处理技术（快速扫描、门控扫描、 欠扫描、过扫描或可矫正重建模式）的校正 效果不理想
准确率 （参考算法）
CT图像 8 8
100％ 3
37.7%
MR图像 8 7
87．5％ 2
25%
总和 16 15 93.75% 5 31.25%
本文算法为利用两阶段优化算法的图像配准算法； 参考算法为基于B样条的弹性配准算法
基于多框架重叠的模糊相似性测度的刚性配准算法
（a）配准前CT图像 （b）配准前MR图像 （c）配准前重叠图像 （d）配准后重叠图像
95% 2.50 2.66 2.90 2.87 4.20 4.33
7、图像压缩
主要问题
医学序列图像的帧内冗余与帧间冗余度很大，失去 一些无关细节不影响诊断，但迄今医学图像的有损 压缩没有一个公认的标准。
相应对策
要提出新的有损标准及算法，实现高压缩比下的高 信噪比优质解码图像。
工作基础
本项目提出了基于小波四叉树的嵌入式编码技术， 其中包括预测与分裂两项新技术，在有损压缩达10 倍以上情况下，信噪比在30个dB以上，不丢失诊断 细节（经影像专家评估）。
CT_head 0.5
34.7
1.0
42.7
0.1
31.2
MR_head 0.5
42.0
1.0
48.1
JPEG 2000
TS-MRF分割 TSF-MRF分割
源图像
MRF分割
TS-MRF分割 TSF-MRF分割
6、运动估计
鲁棒分割是心功能量化评价的重要依据。 MR心脏序列图像分析中，左心室内外壁 的精确
主要问题
分割鲁棒性，准确性和自动化程度；
相应对策
提出基于广义模糊梯度矢量流的改进几何 动态轮廓线算法和内外壁联合分割与时序 追踪方案；
（a）原始CT图
（b）0.2 bpp （c）0.4 bpp
（d）0.5 bpp （e）0.75 bpp
（a）原始MR图
（b）0.2 bpp （c）0.4 bpp
（d）0.5 bpp （e）0.75 bpp
表4. 四种编码方法间的PSNR（dB）比较
Image BitRate SPITH
0.1
23.7
医学图像处理的特点 与热点问题
陈武凡
一、视觉信息处理的支撑性
遥感图像处理 — 应用面窄 医学图像处理 — 应用面宽
二、医学图像处理的前瞻性
高度复杂的成像机制 综合深厚的数学基础 精确实用的高新技术 重大需求的应用前景
三、医学图像处理的特殊性
生理评判的模糊性 信息生成的随机性 物理求解的病态性 面对应用的实时性
脑部MR图像的分割算法比较
(a)为白质的重叠率
(b)为灰质的重叠率
该实验20套MR图像数据来自哈佛大学附属麻省总院IBSR，分割结果与其 提供的专家手动分割结果（金标准）进行对比
DDC分割结果: (a)原图像 (b)FCM (c)GFCM (d)MMS (e)PIXON (f)DDC
噪声图像
MRF分割
相应对策
必须提出新的方法，能具普适性，又有优越 的校正效果。
工作基础
(1) 后处理：我们最新提出的逆向迭代修正 算法(IIC)对MR图像中的仿真平移运动伪 影处理,比美国最近算法(EF)的信噪比提 高约７个dB,计算速度提高一倍以上,且 稳健性好
(2) 前处理：我们最新提出了基于PROPELLER 采样的有运动时磁共振成像的优化重建 方法。
0.0228 0.0156
AP
x, y
Irec( x,
y)
-
Iref
(
x,
y)
2
Iref (x, y) 2
x, y
Irec 为重建图像 Iref 为参考图像
主要反应了重建图像与参考图像的接近程度
4、图像配准
多模态医学图像信息融合是当前研究热点， 而前提是配准技术。
主要问题
当前国际主流算法的误配率较大，难以实 用。
工作基础
提出自适应利用前一次迭代的Gibbs多阶混合 先验知识降噪与保护边缘，使其重建质量优于 其他算法
（a）原始模板图像 （b）二次薄膜先验
（c）二次薄板先验
（d）混合先验知识-2
重建图像横断线轮廓分析
关于CT超短扫描成像
国际上Fan-beam成像算法不适用于感兴趣区域成 像，本研究基于Cone-beam成像的PI line思想， 提出了Fan-beam超短扫描自适应快速成像新算法。
（a） 原始图像 （b）5类分割结果 （c）本文算法结果 （d）分割出的第6类
0.06
0.05
0.04
0.03
0.02
0.01
0
1
2
3
4
5
6
7
8
9
10
(e) 类间能量
6
5
4
3
2
1
0
1
2
3
4
5
6
7
8
9
10
(f) 类内能量
脑部冠状面磁共振图像
（a）
（b）
（c）
（d）
(a) 原始图像, (b) ML 分割结果, (c) CGS 分割结果, (d) FGS分割结果
相应对策
要提出模糊随机分割模型，以提高分割的效 果。
工作基础
提出了基于伪似然算法的新的信息熵准则，可依图像的先验 知识获取最优分类数。 提出了广义模糊Gibbs分割算法（FGS）可自动获取最优分 割效果，且算法稳健性优于国外同类算法（ML与CGS）
提 出 以 互 信 息 熵 差 （ dMI ） 为 分 类 测 度 、 基 于 PIXON 与 GFCM算法的模糊交叉分割算法（DDC），实现了含有真实 病灶的医学图像的分割。 提出了基于TS-MRF的模糊MLL图像分割模型，试验数据采 用标准测试数据以及哈佛医学院提供的MR图像数据，并与 基于传统MRF的方法、基于TS-MRF的方法做了比较。
应用这一思想，现正开展Cone-beam 3D快速成像 算法研究。
Fan-beam超短扫描自适应快速成像新算法
(a) full scan (b) super-short scan (c) super-short scan
MR图像重建
主要问题
笛卡尔采样数据的重建就是快速傅立叶变换， 该类问题已经没有研究空间；非笛卡尔采样数 据的重建中，采样密度的变化造成图像退化。
工作基础
通过把广义模糊梯度矢量流引入水平集曲线演化过程，改 善了传统算法动态范围小和对医学图像弱边界不敏感的问 题；分割过程中人工干预少；在水平集框架下，通过引入 训练集的先验知识加强了分割结果的鲁棒性和收敛速度。
实验表明，算法分割左心室的内外壁的结果和专家手 动分割结果很接近。根据心室内外壁分割结果建立的左心 室三维模型，可以计算出的几种重要的临床心功能指标。