Symmetric Fuzzy-Connectedness Region Growing Segmentation (SymFC-RG): Theory and Application(I)

影像切割技術在分析和詮釋影像時扮演著關鍵的角色，其目的在於將一數位影像區分為互不重疊的目標群域 (regions of interest or ROIs) [1]。於眾多影像分割演算法中，以群域成長理論為基礎的技術受到最廣泛的重視且仍舊是主要的研究領域之ㄧ。而在醫學影像的應用上，群域成長切割技術尤其適用於以X 光電腦斷層掃瞄、核磁共振取像、或正子射出斷層掃瞄技術所取得的影像。然而，傳統群域成長切割演算法一直存在著潛藏的問題：切割後目標領域的範圍和特性與切割過程中初始成長點 (initial growing points)的選擇、成長的方向、影像中各點被檢視的順序有著密不可分的關係 [2,3]。此外，現今大多數演算法所採用的二分法影像分割 (相對於導入模糊描述的技術) 對於品質或解析度較不理想影像往往成為後續進一步分析的障礙。近年來模糊連結與相關技術的影像分割方法受到廣泛重視 [4,5]。其主要目的係儘可能延後決定影像的分割，透過影像中群域間的連結度作充分的分析。固然此類演算法具有優異的可調性，然而其一般的缺點是計算速度過慢。在本研究中，我們將嘗試提出一套結合模糊連結與之前我們研究成果 – 對稱性群域成長 [2] (統稱為對稱型模糊連結群域成長影像分割技術或SymFC-RG)以有效率且可信度高的執行影像分析。我們將設計圖形介面程式以輔助對稱性群域成長與模糊連結演算法的實現與提供測試平台。此程式模組將被整合至我們現有的研究用軟體發展的架構中。同時在執行此計劃期間，我們亦將以不同的醫學影像來源驗證所提演算法的效度與效能。

Project ID:PB9408-3260
External Project ID:NSC94-2213-E182-018