CT-MRI醫(yī)學(xué)影像分割算法研究.pdf

1、圖像分割是醫(yī)學(xué)圖像處理中的重要研究?jī)?nèi)容之一，指從醫(yī)學(xué)圖像中準(zhǔn)確提取目標(biāo)物體。它是三維重建的基礎(chǔ)，也是醫(yī)學(xué)圖像處理系統(tǒng)在臨床上得以實(shí)踐的基礎(chǔ)。實(shí)現(xiàn)快速、精確的分割，可以滿足手術(shù)計(jì)劃的要求，確保臨床應(yīng)用的精確性，指導(dǎo)臨床醫(yī)師的后續(xù)工作。
　　 本文首先對(duì)醫(yī)學(xué)影像分割的基礎(chǔ)知識(shí)進(jìn)行概述，包括醫(yī)學(xué)影像分割算法的研究意義、研究現(xiàn)狀、分割評(píng)價(jià)等;其次基于小波分解和Markov場(chǎng)對(duì)CT/MRI圖像分割中邊緣輪廓信息提取問題進(jìn)行研究，以克服輪廓

2、邊緣定位不準(zhǔn)和非平穩(wěn)性的缺點(diǎn)。然后，利用穩(wěn)健統(tǒng)計(jì)理論來研究圖像特征表示，以克服圖像中噪聲的不穩(wěn)定性，并利用水平集的稀疏場(chǎng)方法研究圖像輪廓的演變。
　　 本文主要進(jìn)行的研究如下:
　　 (1)提出一種基于小波分解和Markov隨機(jī)場(chǎng)的CT/MRI醫(yī)學(xué)影像分割算法。該算法利用小波金字塔分解得到的多尺度分布較好的提取出圖像的邊緣輪廓信息，通過分層Markov建模，并借助最大后驗(yàn)概率準(zhǔn)則克服了其邊緣定位不準(zhǔn)及非平穩(wěn)性困難的缺點(diǎn)。

3、實(shí)驗(yàn)結(jié)果表明，該算法有效地提高了圖像分割的質(zhì)量。
　　 (2)提出一個(gè)基于穩(wěn)健統(tǒng)計(jì)的分割方法，利用水平集的稀疏場(chǎng)方法對(duì)初始化的水平集進(jìn)行輪廓演化。通過用戶來提供標(biāo)記的種子點(diǎn)，用穩(wěn)健統(tǒng)計(jì)量來描述對(duì)象的特征，充分利用種子周圍的圖像信息，更適用于紋理和噪聲圖像，分割的邊界更光滑;輪廓演變過程用基于稀疏場(chǎng)的方法，快速準(zhǔn)確的進(jìn)行曲線演化一直到達(dá)理想邊界，從MRI和CT圖像中提取出待分割目標(biāo)。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)MRI和CT圖像中器官和腫