核磁共振圖像分割與運(yùn)動(dòng)分析若干技術(shù)研究.pdf

1、醫(yī)學(xué)圖像處理的主要研究方向有圖像分割、圖像配準(zhǔn)、結(jié)構(gòu)分析、運(yùn)動(dòng)分析等，而其中醫(yī)學(xué)圖像分割的研究具有重要意義。由于醫(yī)學(xué)圖像具有復(fù)雜性和多樣性，成像質(zhì)量受到醫(yī)學(xué)影像設(shè)備成像技術(shù)的影響，醫(yī)學(xué)圖像具有局部邊緣模糊、存在噪聲、區(qū)域灰度不一致性等特點(diǎn)，使得醫(yī)學(xué)圖像分割更加困難。目前，人們?cè)诶^續(xù)關(guān)注對(duì)醫(yī)學(xué)圖像進(jìn)行自動(dòng)分割的同時(shí)，對(duì)交互式分割方法的研究也成了醫(yī)學(xué)圖像分割的研究重點(diǎn)。本文對(duì)交互式live wrie、Intelligent Scissors

2、模型、參數(shù)活動(dòng)輪廓模型、幾何活動(dòng)輪廓模型進(jìn)行了分析；對(duì)可形變模型在心臟核磁共振圖像中的分割進(jìn)行了研究；對(duì)光流技術(shù)理論模型進(jìn)行了分析，并用光流技術(shù)對(duì)心臟運(yùn)動(dòng)進(jìn)行評(píng)估方面進(jìn)行了研究。 分析了交互式圖像分割的兩種方法，即live wire方法及Intelligent Scissors（IS）方法，并指出了這兩種方法在分割圖像時(shí)存在運(yùn)算速度慢、操作復(fù)雜的缺陷。 傳統(tǒng)的Snake模型分割圖像時(shí)，要求初始輪廓線設(shè)置在感興趣區(qū)域的邊界

3、附近，曲線在變形過程中難以分割深度凹陷區(qū)域。本文在分析參數(shù)活動(dòng)輪廓模型及其改進(jìn)模型的基礎(chǔ)上，提出了基于距離均衡化的自適應(yīng)動(dòng)態(tài)輪廓模型。通過頂點(diǎn)到其鄰點(diǎn)的平均距離作為Snake模型的彎曲力，通過圖像自身的特征構(gòu)造的膨脹力，使得該模型具有自適應(yīng)能力，同時(shí)提出了距離均衡化的概念；對(duì)改進(jìn)后模型的穩(wěn)定性、光滑性及處理畸變物體的凹陷區(qū)域進(jìn)行了深入分析。用該模型分割心臟MRI圖像時(shí)，取得了較好的效果。 根據(jù)心臟MR圖像的特點(diǎn)，提出了先對(duì)心臟M

4、R圖像進(jìn)行K均值聚類，把K均值聚類后的圖像作為特征圖像，在特征上用Song and Chan提出的快速分割方法進(jìn)行粗分割，再用粗分割的曲線作為水平集的初始曲線，在心臟MR圖像上用Chan和Vese方法進(jìn)行細(xì)分割；同時(shí)對(duì)Chan和Vese提出的簡化化Mumford-Shah模型進(jìn)行了改進(jìn)，使得每次迭代中對(duì)能量函數(shù)的優(yōu)化更具有全局性，大幅度減少迭代次數(shù)，并對(duì)Song和Chan快速算法中掃描圖像的區(qū)域也進(jìn)行了改進(jìn)，兩方面的改進(jìn)提高了計(jì)算速度和

5、分割效果。分割實(shí)驗(yàn)證明，該方法能夠快速、準(zhǔn)確地分割心臟MR工圖像。 針對(duì)左心室外輪廓類似橢圓的特點(diǎn)，提出了基于先驗(yàn)形狀信息的水平集模型。該模型在Chan-Vese模型的基礎(chǔ)上增加橢圓形狀約束項(xiàng)，來控制曲線的演化，將水平集的演化曲線作為對(duì)輪廓新的位置預(yù)測，并用橢圓對(duì)預(yù)測結(jié)果進(jìn)行修正，把預(yù)測結(jié)果和修正結(jié)果分別作為新的水平集曲線和形狀信息。實(shí)驗(yàn)表明，這種將橢圓形狀約束引入水平集模型的先驗(yàn)形狀信息的水平集模型對(duì)心臟外輪廓的分割是有效的，

6、非常適合分割象心臟這一類醫(yī)學(xué)圖像。 在分析帶標(biāo)記線的心臟MRI特點(diǎn)的基礎(chǔ)上，提出了利用Gabor濾波和先驗(yàn)形狀的水平集模型相結(jié)合對(duì)帶標(biāo)記線的心臟MR圖像進(jìn)行分割的方法。該方法通過對(duì)帶標(biāo)記 線的心臟MR圖像進(jìn)行Gabor變換，把標(biāo)記線分離出來，并且擴(kuò)大心肌和血液之間的差異，再對(duì)變換后的圖像用先驗(yàn)形狀的水平集模型進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地分割帶標(biāo)記線的心臟MR圖像。 在對(duì)幾種典型的光流技術(shù)的理論模型和它們

7、的性能進(jìn)行了深入的分析與討論的基礎(chǔ)上，提出了基于二階微分技術(shù)的光流估計(jì)方法。該方法在光流基本方程的基礎(chǔ)上用二階微分技術(shù)作為附加約束條件來求解光流，并用合成圖像進(jìn)行了驗(yàn)證，結(jié)果表明該方法取得了較好的效果。 在分析心臟運(yùn)動(dòng)特點(diǎn)的基礎(chǔ)上，提出了采用光流方法估計(jì)心臟運(yùn)動(dòng)的基本思路。然后，再從經(jīng)過前人評(píng)價(jià)的光流計(jì)算方法中，選取兩種比較好的方法（Lucas and Kanade與Fleet and Jepson的方法），各取其長處進(jìn)行融合，

8、提出了一種基于Gabor濾波的相位圖像光流估計(jì)方法。這種方法聯(lián)合Gabor濾波器和加權(quán)最小二乘法估計(jì)序列圖像的光流。Gabor濾波器對(duì)圖像進(jìn)行不同方向的濾波，每一幅濾波圖像滿足光流基本方程，為了獲得較為精確的光流，用加權(quán)最小二乘法來進(jìn)行光流估計(jì)。首先，用Gabor濾波器對(duì)序列圖像進(jìn)行時(shí)空濾波，并計(jì)算出他們的空間和時(shí)間相位梯度。然后，再用加權(quán)最小二乘法來估計(jì)序列圖像的光流。實(shí)驗(yàn)結(jié)果表明該方法具有計(jì)算精度高、易于實(shí)現(xiàn)等優(yōu)點(diǎn)，能較好地給出運(yùn)動(dòng)