融合随机森林的CV模型肝脏超声图像分割-井冈山大学学报.PDF

第38 卷第3 期 Vol.38 No.3 井冈山大学学报( 自然科学版) 2017 年5 月 May 2017 Journal of Jinggangshan University (Natural Science) 64 64 井冈山大学学报( 自然科学版) 文章编号：1674-8085(20 17)03-0064-06 融合随机森林的C-V 模型肝脏超声图像分割 *黄 伟，周鸣争 (安徽工程大学计算机与信息学院，安徽，芜湖 241000) 摘 要：医学图像分割是临床诊断的关键环节，分割结果将直接关系到后续对病灶的识别。C-V 模型（Chan-Vese ） 大量应用于各种医学图像分割过程。围绕肝脏超声图像，针对传统C-V 模型依赖初始轮廓及运算复杂耗时的特点， 融合随机森林方法，提出一种基于边缘引导能量函数和局部约束特征的分割方法，利用随机森林节点生长和分类 速度快的优势，在粗分割的基础上形成无需初始化的C-V 模型，而后借助分类特征得到精准的