噪声血管分割更准更快
该模型利用频域信息自动初始化轮廓并加速演化，无需人工设置初始轮廓，对噪声图像的分割稳定性和精度优于现有水平集和深度学习模型。
姜欣 · Feng, Chong · Han, Tianyi · 吴勃英 · 杨云云
Pattern Recognition 2026
利用低频区域信息生成初始轮廓，无需传统的手动初始化，降低了使用门槛并消除了对初始位置的敏感性。
将高频区域信息作为能量泛函中的权重系数，加速函数演化，提升分割效率。
在噪声血管图像上，与水平集和深度学习模型的对比实验验证了该模型的优越性和稳定性。