面向計算機輔助診斷的膠囊內鏡圖像處理與分析技術研究.pdf

1、膠囊內窺鏡是一種胃腸道疾病檢測工具，具有無痛、安全、可全程檢測等優(yōu)點，目前已成為臨床醫(yī)學的研究熱點。由于一次膠囊內鏡檢測會產(chǎn)生數(shù)萬張圖片，醫(yī)生閱讀圖片需要耗費巨大的時間和精力，使用計算機進行膠囊內鏡圖像的處理成為一個發(fā)展方向，應用于該領域的圖像處理技術逐漸興起。多數(shù)膠囊內鏡通過人體胃腸道時不能控制拍攝位置和角度，導致獲得的圖像受光照影響極大。明暗不均或光線太弱的圖像都會降低醫(yī)生的診斷效果。
　　 本研究提出了一種基于Retine

2、x 理論的圖像增強模型，在保持圖像顏色特性的前提下，能快速抑制圖像中的光照不均現(xiàn)象?；赗etinex 理論提出的模型大多建立在L2 范數(shù)空間，而研究表明L1 范數(shù)空間能更好的刻畫圖像的細節(jié)信息。新模型把Retinex 理論轉化成L1 空間中的泛函極值問題，使得增強后的圖像能較好的保持邊緣特征。作為一種全變分模型，使用通常的方法計算時收斂緩慢，于是介紹了一種利用模型凸性的快速算法，可以實時處理膠囊內鏡圖像，極大加強了模型的可用性。除了能

3、讓醫(yī)生更容易閱讀圖像，通過全變分模型增強的圖像還有助于圖像特征的自動檢測。把該方法應用到膠囊內鏡出血點檢測，與增強前的圖像進行比較，獲得了明顯的效果。胃腸道中的一些病變結構，如潰瘍、腫瘤等，由于自身的組織特性，在膠囊內鏡圖片中顯示出邊緣模糊、光照不均、背景復雜等特征，使用常見的算法進行分割效果不佳。
　　 本研究基于這些特征，提出了兩個不同的模型用于膠囊內鏡腫瘤的分割。通過分析活動輪廓模型及其相關變形模型后，總結了這些模型對邊緣

4、信息與區(qū)域信息的組織方式，提出了一種區(qū)域驅動邊界制動的混合圖像分割模型。該混合模型用一個可以收集全局信息的函數(shù)替代了CV(Chan T，Vese L)模型中由水平集函數(shù)產(chǎn)生的緊支撐函數(shù)，使得模型具有凸性，可以在全局范圍內獲得最優(yōu)解。與已有算法相比，混合模型具有較好的邊緣控制能力，能檢測出較弱的邊緣。由于膠囊內鏡圖像中的組織病變結構在光照情況下產(chǎn)生的陰影非常明顯，邊緣位置難以定位，混合模型中使用區(qū)域灰度差進行驅動的方法仍然不能獲得準確的分

5、割結果。在分析膠囊內鏡圖像陰影特征的基礎上，又提出了一種基于全變分的圖像分割模型。該全變分模型一方面利用初始信息錨定分割的大致區(qū)域，另一方面利用全變分的等高性，妥善處理了陰影對邊界的模糊效應。相比前面的混合模型，全變分模型有意忽略圖像的灰度信息，從而抑制了圖像復雜背景因素的干擾。與現(xiàn)有的大部分經(jīng)典圖像分割算法相比，全變分模型的準確性獲得顯著提高。分類是醫(yī)學診斷中一個非常重要的問題，在機器學習領域已經(jīng)開發(fā)了大量算法用于樣本的分類。膠囊內鏡