梯度矢量流模型在醫(yī)學(xué)圖像分割中的應(yīng)用研究.pdf

1、醫(yī)學(xué)圖像分割是正常組織和病變組織的三維重建、結(jié)構(gòu)分析、運(yùn)動分析等后續(xù)操作的基礎(chǔ)，分割的準(zhǔn)確性對醫(yī)生判斷疾病的真實(shí)情況并做出正確的診斷至關(guān)重要。由于人體解剖結(jié)構(gòu)的復(fù)雜性、組織器官的不規(guī)則性以及個體之間的差異性，加之成像質(zhì)量受到多種因素的制約，使得醫(yī)學(xué)圖像的分割成為一個難點(diǎn)。MR圖像中經(jīng)常出現(xiàn)區(qū)域灰度的不一致性、偽影、弱邊界、邊界斷裂等情形，用傳統(tǒng)的方法分割圖像效果并不理想。Snake模型通過參數(shù)化的活動輪廓線，在由先驗(yàn)?zāi)Ｐ秃蛨D像數(shù)據(jù)構(gòu)成的

2、能量函數(shù)的驅(qū)動下變形，直到抵達(dá)區(qū)域的邊界，該模型既承載了上層先驗(yàn)知識又融合了圖像的底層特征，因而能有效地應(yīng)用于醫(yī)學(xué)圖像的分割中。
　　 本文首先對醫(yī)學(xué)圖像分割的現(xiàn)狀作了詳盡的綜述，主要介紹了常用的醫(yī)學(xué)圖像分割方法。第二章分析了參數(shù)活動輪廓模型的理論基礎(chǔ)，詳細(xì)闡述了其數(shù)學(xué)模型及數(shù)值實(shí)現(xiàn)方法，通過實(shí)驗(yàn)說明了傳統(tǒng)參數(shù)活動輪廓模型分割圖像時(shí)存在的對初始位置敏感以及無法進(jìn)入深度凹陷部位的兩大問題，并針對這兩大問題，介紹了Snake模型的一

3、些經(jīng)典外力改進(jìn)方法。第三章介紹了Snake模型外力改進(jìn)算法中經(jīng)典的梯度矢量流算法，包括數(shù)學(xué)理論基礎(chǔ)、數(shù)值實(shí)現(xiàn)方法及其仿真實(shí)驗(yàn)，分析了GVF Snake模型存在的不足，介紹了XU的廣義的梯度矢量流模型和其他相關(guān)改進(jìn)算法。
　　 第四章首先介紹了熱擴(kuò)散及各向異性擴(kuò)散的基本思想，傳統(tǒng)的梯度矢量流模型基于各向同性擴(kuò)散，在圖像分割時(shí)容易產(chǎn)生邊界模糊現(xiàn)象，同時(shí)在弱邊界處易產(chǎn)生泄漏。此外，傳統(tǒng)矢量流模型中保真項(xiàng)系數(shù)較慢的下降速度也弱化了初始曲

4、線進(jìn)入凹陷部位的能力。針對這些問題，提出一種新的改進(jìn)辦法，該方法采用八方向各向異性擴(kuò)散策略以保持目標(biāo)邊界的強(qiáng)度和細(xì)節(jié)信息，并且采用具有較快下降速度的保真項(xiàng)系數(shù)來增強(qiáng)Snake進(jìn)入凹陷部分的能力。實(shí)驗(yàn)表明，新方法能比較準(zhǔn)確地分割出目標(biāo)凹陷部分，對于弱邊界泄漏具有更強(qiáng)的魯棒性。
　　 第五章介紹了高斯混合模型及EM算法的基本理論，針對傳統(tǒng)梯度矢量流模型的弱邊界泄漏和抗噪性弱等缺點(diǎn)，提出一種有效的解決辦法，該方法從“識邊緣”到“保邊緣