2 数据集
2 数据集
背景
肝癌是世界上最常见的癌症疾病之一，每年都会导致大量 死亡。CT的精确测量，包括肿瘤体积、形状、位置和进一 步的功能性肝脏体积，可以帮助医生做出准确的肝细胞癌 评估和治疗计划。传统上，肝脏和肝脏病变是由放射科医 生逐层描绘的，这很耗时，并且容易出现评分者之间和评 分者内部的差异。因此，在临床实践中对肝脏和肝脏肿瘤 的自动分割方法提出了很高的要求。
最终算法设计
直方图均衡化
1.拉普拉斯算子锐化 加法操作增强细节 2.Sobel算子梯度增强，乘法操作 3.阈值分割 去除边缘部分干扰点 4.频域低通滤波，去除下方部分杂乱点 5.阈值分割，形态学处理，孔洞填充 6.最大连通域分析 7.超像素拟合边缘 8.中值平滑二值图像，去除锯齿 9.搭建神经网咯模型，作为对照
肝脏图像语义分割
目
录
1
2
3
语义分割
数据集
算法
4
效果评估
1 语义分割像素级别上的分类，属于同一类的像素 都要被归为一类，因此语义分割是从像素级别来理解 图像的。目前广泛应用于医学图像与无人驾驶等方面
分类
1.传统方法:经典的特征+随机森林+条件随机场的分 割，但是每一个分类器一般只针对单一的类别设计， 如果分割类别数很多，会造成计算复杂，训练难度大 的问题，精度较低 2.深度学习：精度高，数据驱动，端到端训练
来源
数据来源MICCAI 2017 LiTS挑战赛的竞争数据 集LiTS数据集包含分别用于训练和测试的131和 70次对比增强3D腹部CT扫描。该数据集由来自 六个不同临床位置的不同扫描仪和协议采集. 文件格式：nii 数据预处理：对切片进行了归一化
3 算法
3 算法
数据分析
1.灰度级混杂，区域之间相互连通，给单一的处理造成了极大的困难，因此得采用多阶段处理。 2.图像边缘部分存在大量与目标区域灰度级相近的像素点，容易对图像进行干扰 3.目标区域内部连通性弱
3.3 频域
3.4 形态学处理
膨胀与腐蚀能够实现以下作用： 1.消除噪声 2.分割出独立的图像元素，在图像中连接相邻的元素
3.4 最大连通域
3.5 超像素(Slic)
4 效果评估
4 效果对比
Dice 90%
Dice 97%
谢谢
3.1 锐化
拉普拉斯锐化图像是根据图像某个像素的周围像素到此像素的突变程度有关，也就是 说它的依据是图像像素的变化程度。二阶微分拉普拉斯算子就可以确定边缘的位置。
3.2 Sobel算子
索贝尔算子（Sobeloperator）主要用作边缘检测，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。