针对手指静脉图像中存在的弱边缘、灰度不均匀以及低对比度等现象,提出一种结合偶对称Gabor滤波与水平集思想的分割算法,并应用于手指静脉图像的分割。首先,使用偶对称Gabor滤波算法,对手指静脉图像从8个不同的方向分别进行滤波运算;然后,根据8个方向上的滤波结果进行图像重建,得到目标与背景灰度对比度显著提高的图像;最后,应用结合局部与全局信息的水平集方法对手指静脉图像进行分割。将所提算法与Li等水平集算法(LI C, HUANG R, DING Z, et al. A variational level set approach to segmentation and bias correction of images with intensity inhomogeneity. MICCAI'08: Proceedings of the 11th International Conference on Medical Image Computing and Computer-Assisted Intervention, Part II. Berlin: Springer, 2008: 1083-1091)、Legendre水平集(L2S)算法相比,所提算法在分割精度评价标准面积差异(AD)百分比上分别降低了1.116%、0.370%,相对差异度(RDD)分别降低了1.661%、1.379%。实验结果表明,与传统只考虑局部信息或全局信息的水平集图像分割算法相比,所提算法能取得更高的分割精度。

针对经典肝脏功能性分段方法对门静脉血管数据的敏感性，结合Couinaud肝脏分段理论和门静脉分布特征，提出了基于层级血管树的肝脏分段方法：首先对腹腔CT数据进行肝脏分割、血管提取和骨架化；接着统计分析血管树分支半径，确定二级子树集合，按照供血区域对二级子树进行聚类完成对二级子树的归类划分；进而采用最短距离归类算法划分肝脏，得到各个肝段；最后运用三维可视化方法展现肝脏内部的解剖结构，并进行肝段诠析，提取临床感兴趣信息。实验结果表明该方法对分支较多、结构较复杂的血管树可以取得较好的分级效果，考虑了大部分二级分支的供血作用，分割得到的肝段分布和属性信息也符合Couinaud肝段分割理论。