在頭頸部腫瘤CT圖像中,針對腫瘤準確定位和體積的定量測量問題,提出一種基于增強梯度的水平集分割算法。通過向邊緣檢測函數引入邊界梯度信息,調整水平集模型對腫瘤不同強度邊界的敏感度,獲得準確的分割結果,利用分割結果和圖像信息計算腫瘤體積。在圖像批量分割中,基于增強梯度的水平集算法不僅能減少人為干預,還能提高對特定目標的分割準確度。腫瘤體積的計算結果與臨床醫生手動分割金標準相比也較為接近。本文算法能有效實現頭頸部腫瘤的準確分割和體積測量,為計算機輔助診斷提供有效信息。
為了更好地利用相位信息補償血流造成的影響，本文對磁敏感加權成像（SWI）中存在的相位纏繞問題展開了研究。為提高解纏繞的準確性，本文提出了幅度圖像引導的磁敏感加權圖像相位解纏算法。基本思路如下：① 通過改進旋轉不變非局部主成分分析濾波（PRI-NL-PCA）降低噪聲影響；② 結合 C-V 模型水平集提取相位圖像中對應的實性組織區域，從而規避背景噪聲對相位解纏方法的影響；③ 采用相位補償的方法約束 K 空間重建出的相位圖像。最后，利用四種統計量作為量化指標，評價解纏繞方法的可靠性：相位誤差的突變點個數、均值（M）、方差（Var），以及陽性百分比（Pos）和陰性百分比（Neg）。通過對比仿真數據和 226 組真實頭部磁敏感數據，結果表明，本文算法相對于經典的枝切法和最小二乘法，解纏繞結果具有較高的準確性。