高精度肺部气道树的分割及骨架中心线的提取的中期报告.docxVIP

高精度肺部气道树的分割及骨架中心线的提取的中期报告 本项目的中期报告的主要目的是介绍高精度肺部气道树的分割及骨架中心线的提取的研究进展。目前为止，我们已经完成了以下的工作： 1. 数据预处理：我们使用了来自医学图像领域的公共数据集，即LIDC-IDRI数据集。该数据集包含了1018个CT扫描图像，其中有1012个是肺结节的扫描图像，而另外6个是扫描图像中的胸部图像。我们使用了Python语言中的SimpleITK库和NumPy库来对原始数据进行预处理，包括去除伪影和噪声、降采样和提高图像对比度。 2. 分割算法：我们采用了经典的分割算法，即随机游走算法。该算法利用概率图模型来描述肺部气道树和其他背景组织之间的关系，并通过最大化概率函数来实现分割。我们使用了Python语言中的scikit-image库来实现该算法。 3. 中心线提取算法：我们采用了曲率最小化算法来提取肺部气道树的中心线。该算法通过计算曲率来确定中心线的路径。我们使用了Python语言中的ITK-SNAP软件工具来实现该算法。 目前为止，我们已经完成了数据预处理和分割算法的实现，并已经通过实验验证了算法的有效性。我们的未来工作将集中在中心线提取算法的优化和实验验证。我们计划通过对比不同算法的结果来评估我们的算法的性能，并将其应用于更广泛的临床应用中。