版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、圖像分割就是根據(jù)圖像的底層相關(guān)特征,從圖像中提取出感興趣的目標(biāo)。而圖像分割中的醫(yī)學(xué)圖像分割領(lǐng)域,由于其具有現(xiàn)實(shí)意義和實(shí)用價(jià)值,臨床需求大,受到了研究者廣泛的關(guān)注。本文研究的是基于肝臟CT圖像的腫瘤分割,精確的腫瘤分割,在術(shù)前評價(jià)以及手術(shù)規(guī)劃中具有重要的參考作用。如何利用算法既能精確的分割肝臟腫瘤,又只需較少的交互。因此本文提出了兩種基于模糊聚類和水平集的肝臟腫瘤分割算法。
首先,深入分析了經(jīng)典常用的圖像分割方法和具體針對肝臟腫
2、瘤分割的相關(guān)研究。以及肝臟腫瘤分割存在的難點(diǎn),肝臟腫瘤CT圖像存在大量的噪聲,而且由于腫瘤與周圍肝臟組織灰度十分接近,它們之間的邊界模糊。傳統(tǒng)圖割和水平集方法,需要較多的人工初始化操作。
其次,提出了基于醫(yī)學(xué)圖像三維可視化的三維感興趣區(qū)域的選取。介紹了可視化過程中,是如何從物體局部坐標(biāo)系轉(zhuǎn)換為計(jì)算機(jī)的屏幕坐標(biāo)系,以及其逆變換。通過在三維上畫一個(gè)封閉的多邊形,實(shí)現(xiàn)三維ROI操作。三維感興趣區(qū)域的確定,減少了像素點(diǎn),可以加快后續(xù)模
3、糊聚類和水平集算法的效率,還可以去掉其它組織的干擾。
再次,提出了基于局部信息C均值模糊聚類(fuzzylocalinformationC-Means,F(xiàn)LICM)和B樣條水平集的腫瘤分割。模糊聚類算法通過引入模糊隸屬度,能夠描述腫瘤的模糊性。但傳統(tǒng)的模糊聚類(FCM)容易受噪聲的影響,介紹了幾種結(jié)合空間信息的FCM,最后選擇了無需參數(shù)的FLICM,能較好地應(yīng)對噪聲的影響。經(jīng)過三維感興趣區(qū)域的操作后,可以確定腫瘤圖像的聚類類別
4、數(shù)為三。由于FLICM聚類結(jié)果邊緣有鋸齒,本文使用了B樣條水平集對聚類二值結(jié)果圖進(jìn)行平滑。
最后,本文提出了基于FLICM模糊聚類和自適應(yīng)的距離保持水平集(AdaptiveDistanceRegularizedLevelSetEvolution)的腫瘤分割。與使用B樣條水平集直接對聚類結(jié)果進(jìn)行平滑的思想不同。使用FLICM作為水平集的初始水平集,再利用腫瘤的邊緣梯度信息,對聚類結(jié)果進(jìn)行細(xì)分割。水平集使用的是李純明最新提出的距離
5、保持水平集(DistanceRegularizedLevelSetEvolution,DRLSE),但由于DRLSE對初始輪廓有限制,初始輪廓必須完全在待分割目標(biāo)的外部或內(nèi)部。本文又引進(jìn)了演化方向自適應(yīng)的v(I)參數(shù)代替DRLSE先前固定的常數(shù)v,可以很好的結(jié)合模糊聚類作為初始輪廓,避免了DRLSE對初始輪廓的限制。
上述兩種算法,利用了模糊聚類和水平集算法的優(yōu)點(diǎn)。模糊聚類只需類別數(shù),實(shí)現(xiàn)無監(jiān)督的聚類,避免了以往傳統(tǒng)水平集的初
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于模糊聚類的水平集醫(yī)學(xué)圖像分割.pdf
- 基于水平集和模糊聚類方法的圖像分割技術(shù)研究.pdf
- 基于FLICM模糊聚類和水平集算法的醫(yī)學(xué)圖像分割.pdf
- 基于核模糊聚類的變分水平集醫(yī)學(xué)圖像分割算法研究.pdf
- 基于模糊水平集的腦腫瘤分割技術(shù)研究.pdf
- 基于直覺模糊集的醫(yī)學(xué)圖像聚類分割.pdf
- 基于粗糙集的模糊聚類及其圖像分割應(yīng)用.pdf
- 基于模糊譜聚類的圖像分割研究.pdf
- 基于模糊聚類算法的圖像分割研究.pdf
- 基于鄰域信息和模糊聚類的圖像分割算法研究.pdf
- 基于小波和模糊聚類的紋理分割算法研究.pdf
- 基于模糊聚類圖像分割方法研究.pdf
- 基于模糊聚類的圖像分割方法的研究.pdf
- 基于模糊聚類的圖像分割技術(shù)研究.pdf
- 基于模糊聚類算法的圖像分割問題研究.pdf
- 基于混沌粒子群和模糊聚類的圖像分割算法研究.pdf
- 基于差分粒子群和模糊聚類的圖像分割研究.pdf
- 基于模糊聚類的圖像分割技術(shù)的研究.pdf
- 基于模糊聚類理論的圖像分割算法研究.pdf
- 基于模糊聚類算法的圖像分割方法研究.pdf
評論
0/150
提交評論