CT圖像的腎臟組織分割及其病變檢測方法的研究.pdf

1、在醫(yī)學(xué)成像技術(shù)和計算機視覺領(lǐng)域不斷發(fā)展的研究背景下，醫(yī)學(xué)圖像處理與分析技術(shù)在現(xiàn)代醫(yī)療系統(tǒng)中的重要作用和地位越來越突出，已成為醫(yī)生臨床診斷、治療計劃擬定以及外科手術(shù)導(dǎo)航等的有效技術(shù)手段，對計算機輔助檢測與診斷系統(tǒng)的開發(fā)具有重要的應(yīng)用價值和意義。作為圖像處理與分析技術(shù)的分支之一，醫(yī)學(xué)圖像分割一直是其中的關(guān)鍵和難點問題?？焖儆行У姆指罘椒軌蚋玫貫獒t(yī)生提供患者疾病診斷與治療的可靠性依據(jù)，從而提高醫(yī)療工作的效率和準(zhǔn)確性。
　　考慮到醫(yī)學(xué)

2、圖像的成像特點和其臨床需求，本文在總結(jié)國內(nèi)外研究成果的基礎(chǔ)上，以腎臟CT圖像為主要研究對象，對醫(yī)學(xué)圖像的分割算法和病變檢測方法等一系列相關(guān)的科學(xué)技術(shù)問題進行了深入的探討和研究，其創(chuàng)新點主要表現(xiàn)在如下幾個方面:
　　1.針對醫(yī)學(xué)圖像中腎臟組織的特點以及傳統(tǒng)C-V模型在灰度不均勻圖像分割中存在的缺陷，提出了一種改進C-V模型算法來分割腎臟CT圖像。該算法將圖像的全局和局部統(tǒng)計信息融合到C-V模型中，為判斷圖像內(nèi)像素點的歸屬提供了更為可

3、靠的依據(jù)，從而有效地解決了CT圖像的灰度不均勻目標(biāo)分割的問題。
　　2.根據(jù)CT序列圖像的腎臟組織特征，提出了一種基于圖割方法的自適應(yīng)窄帶活動輪廓模型，能夠有效地定位和提取腎臟組織。通過融合上下文連續(xù)性和目標(biāo)尺寸等信息特征，計算出適合能量函數(shù)演化的自適應(yīng)窄帶寬度，然后以中間兩張切片為基準(zhǔn)，將提出的模型依次應(yīng)用于各層切片圖像的腎臟組織分割中?？紤]到測地活動輪廓模型的目標(biāo)邊界性和C-V模型的區(qū)域性優(yōu)勢，能量函數(shù)采用兩者的綜合形式，并將

4、t-link對應(yīng)的權(quán)值轉(zhuǎn)化為n-link，減少了網(wǎng)絡(luò)圖的邊界數(shù)量。由于算法在最優(yōu)的演化區(qū)域內(nèi)進行，減少了自適應(yīng)窄帶活動輪廓模型的運算范圍，從而保證了計算效率。
　　3.在上述自適應(yīng)窄帶活動輪廓模型的基礎(chǔ)上提出了一種全自動的腎臟分割算法，彌補了交互算法在整個完成時間上的不足。將中間一張切片作為參考圖像，利用腎臟的皮質(zhì)特征和C-V模型來自動化完成腎臟序列圖像的初始分割。通過相鄰切片圖像的形狀差異與層間距之間的經(jīng)驗關(guān)系，模擬合適的窄帶寬