非清晰分割的计算方法和步骤

1. 医学影像分割名词解释

定义

把影像分成若干个特定的、具有独特性质的区域的影像处理技术。是影像分析前的关键步骤。

所谓医学图像分割，就是根据医学图像的某种相似性特征（如亮度、颜色、纹理、面积、形状、位置、局部统计特征或频谱特征等）将医学图像划分为若干个互不相交的“连通”的区域的过程，相关特征在同一区域表现出一致性或相似性，而在不同区域表现出明显的不同，也就是说在区域边界上像素存在某种不连续特性。

区域作为图像分割中像素的连通集合和基本分割单位，可以按照不同的连通性来定义：4连通区域和8连通区域。区域的连通性是指在一个区域中任意两个像素之间，都存在一条完全属于这个区域的像素所构成的连通路径。如果只依据处于四正位(上、下、左、右)或四角位（左上、左下、右上、右下）的相邻像素确定区域的连通性，就称为4连通；如果同时依据处于四正位和四角位相邻的像素确定区域的连通性则称为8连通。

(1)需要适当的滤波算法处理的伪影，如噪声伪影、敏感性伪影、存在非清晰边缘的伪影；(2)需要适当图像修复算法的伪影，如运动伪影；(3)需要特定算法的伪影，如部分容积和灰度不均匀性。图像处理领域尽管在已存在很多算法处理上述问题，但是医学图像分割仍然是个复杂和具有挑战性的问题。从医学图像处理过程的角度来看，基于灰度和基于纹理特征技术的分类是常规的分类方式。此外，用机器学习的工具去优化这些图像分割算法是当前较受关注的技术．

4、CT图像分割常用的一些方法有：基于阈值、基于区域、基于形变模型、基于模糊及基于神经网络。

5、影响因素：

（1）噪声：由于成像设备、成像原理以及个体自身差异的影响，医学图像一般会含有很多噪声。由于噪声对于位置和空间的约束是独立的，从而搜帆可以利用噪声的分布来实现降噪。

（2）伪影：伪影一般是在图像配准和三维重建时产生（如CT），从原理上来说，只能较少，无法消除。CT成像中的伪影包括：部分容积效应、条形伪影、运动伪影、束硬化伪影、环状伪影、金属伪影等。由于这些伪影的存在给CT图像分割带来了一定的难度，不同组织部位分割精度也不一样。