简介:目的:有效且准确地提取肺部轮廓是自动计算心胸比例、判断心脏增大的一项很关键的步骤。胸片图像由于器官之间的灰度重叠以及病人体位的影响,肺部边缘不是很清晰,肺部区域内的灰度分布也不均匀,因此,对胸片图像肺部区域的分割具有一定的难度。本文提出一种基于改进的C-V水平集模型的肺部轮廓提取算法。方法:通过改进梯度函数及演化过程来提高算法的准确性和速度。结果:改进后的C-V水平集算法比原始算法的时间迭代次数减少1/3,时间大大缩短,演化效率提高,计算机自动分割速度加快。结论:实验表明,该算法简单高效,能提高图像分割的速度,适合应用于胸片肺部轮廓的提取,为自动计算心胸比率提供了较好的方法。
简介:为了更真实地反映拥堵交通网络实际情况,考虑到交叉口转向延误和路段容量约束对交通分配模型的影响,首先构建了带转向延误和路段容量双约束下的用户均衡模型,利用Karush-Kuhn-Tucker条件证明其等价性;其次,通过改进的最短路算法,利用ProjectionGradient算法作为内循环、增强拉格朗日乘子法作为外循环求解该模型.最后,利用算例路网证明该算法的可行性,对比初始状态、管控措施及双约束状态下的均衡网络流交通分配结果,发现得到路径解的同时能清晰地知道某一路段或路径交通流量转移情况,该模型通过流量转移为交通管控措施提供决策依据,进而有效地缓解交通拥堵.