技术详细介绍
本发明公开了一种基于形状相关性活动轮廓模型的超声图像分割方法，包括以下步骤：步骤 1：针对连续超声图像中病灶区域形状变化之间的相关性信息进行挖掘并构建形状相关性的低秩模型；步骤 2： 构建基于低秩约束的活动轮廓模型；步骤 3：构建基于增广拉格朗日的优化算法用于快速计算分割结果。本发明解决了传统的基于有监督统计学习的分割方法在训练集不足和面对超声图像中病灶区域边缘模糊和病灶区域形状形变的情况下分割结果不准确的结果。
本发明公开了一种基于形状相关性活动轮廓模型的超声图像分割方法，包括以下步骤：步骤 1：针对连续超声图像中病灶区域形状变化之间的相关性信息进行挖掘并构建形状相关性的低秩模型；步骤 2： 构建基于低秩约束的活动轮廓模型；步骤 3：构建基于增广拉格朗日的优化算法用于快速计算分割结果。本发明解决了传统的基于有监督统计学习的分割方法在训练集不足和面对超声图像中病灶区域边缘模糊和病灶区域形状形变的情况下分割结果不准确的结果。