乳腺MRI腫塊分割與三維重建算法研究.pdf

1、乳腺癌是目前女性疾病中的常見多發(fā)病，近年來乳腺癌的發(fā)病率和死亡率正持續(xù)上升。對乳腺癌患者進行早期發(fā)現(xiàn)，積極治療，可以大大的降低死亡率。核磁共振成像（Magnetic Resonance Imaging，MRI）因其能清晰地分辨脂肪組織，肌肉組織和纖維組織，良好的顯示乳房結(jié)構，已經(jīng)成為乳腺癌早期檢測，中期診斷和后期跟蹤治療的主要手段之一。乳腺腫塊是乳腺癌必有的癥狀，因此將乳腺MRI二維斷層圖像進行圖像分析，對感興趣區(qū)域（腫塊區(qū)域）的提取和

2、三維可視化顯示，可以幫助醫(yī)生對病變做出更準確，深入的診斷，也為確定腫瘤的物理特性和治療方案提供更可靠的理論依據(jù)。
　　本文通過對常用醫(yī)學圖像分割方法的研究和比較，并結(jié)合乳腺MRI腫塊序列圖的成像特點，將幾何活動輪廓模型作為研究重點。C-V（Chen-Vese）模型是基于全局的圖像區(qū)域信息進行分割，對初始輪廓位置不敏感并具有較好的抗噪性。但是對于乳腺MRI腫塊圖像具有明顯的不均勻性和模糊性，只能大致分割出目標，對于細節(jié)的分割并不理想

3、。RSF（Region-Scalable Fitting）模型是基于可變區(qū)域擬合能量的變分模型，可以準確的對邊界模糊的目標進行分割，但該模型對初始輪廓位置敏感，容易陷入局部最優(yōu)化。為此，本文利用乳腺MRI序列圖中相鄰幾幀間圖像灰度分布類似，腫塊位置和形狀相近等幀間相關性，文中提出了一種基于幀間相關性的乳腺MRI腫塊分割算法。采用初始輪廓迭代的方法，實現(xiàn)了對乳腺MRI序列圖腫塊的自動分割。并引入最優(yōu)化的思想，將每幀圖像與其前后兩幀重疊面積

4、越大越優(yōu)作為依據(jù)，對多組參數(shù)下的分割結(jié)果進行篩選，提高整個序列的分割精度。
　　由于面繪制具有繪制速度快，實時性強和交互性好等優(yōu)點，因此選擇將其作為乳腺MRI腫塊三維重建的方法。針對傳統(tǒng)面繪制MC（Marching Cubes）算法存在著一些不足，本文提出了一種基于改進MC算法的乳腺MRI腫塊三維重建方法，包括提出了一種基于幀間相關性的等值面提取方法和一種基于加權的二次誤差度量（Quadric Error Metric，QEM）的