《表6 Gabor滤波与高斯滤波融合的结果》
如表7所示,对比其他算法,实验数据表明,本文算法在准确度、灵敏度和特异性上的表现相较于文献[13]中基于形态学方法、文献[12]基于跟踪方法、文献[5]基于匹配滤波方法都有一定的提升。在准确度、灵敏度上的表现优于文献[14]基于形变模型方法。另外与文献[27]对比,本文在灵敏度上有比较好的优势,虽然准确度和特异性上低于文献[27],但是文献[27]手动调节参数复杂且分割的微小血管很少,断点较多。因此本文算法在各项性能指标中表现良好,具有一定的医学应用价值。然而,该算法分割的血管在某些区域会呈现过生长的趋势,因此使用方向场信息来限制血管的生长方向,避免过生长是今后进一步探索的研究工作。
图表编号 | XD0031355600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 徐光柱、王亚文、胡松、陈鹏、周军、雷帮军 |
绘制单位 | 三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室(三峡大学)、三峡大学计算机与信息学院、三峡大学计算机与信息学院、三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室(三峡大学)、三峡大学第一临床医学院超声科、三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室(三峡大学) |
更多格式 | 高清、无水印(增值服务) |