24423.基于詞袋模型的mr圖像腦腫瘤分割方法的研究

1、南方醫(yī)科大學2011級碩士學位論文基于詞袋模型的MR圖像腦腫瘤分割方法的研究StudyonsegmentationofMRimagesforbraintumorbasedontheBoWmodel課題來源：國家863計劃項目課題基金(2012AA02A616)；學位申請導師姓專業(yè)名培養(yǎng)類培養(yǎng)層所在學人趙建奇名陳武凡教授馮前進教授稱生物醫(yī)學工程型學術型次碩士院生物醫(yī)學工程答辯委員會主席吳建華教授答辯委員會委員黃瑞旺教授許乙凱教授韓國強教授

2、賴劍煌教授2014年5月20日廣州摘要療方案。在腫瘤的治療及預后階段，利用凇檢查還可以指導手術過程的進行，測量腫瘤的體積及位置，為醫(yī)生帶來了許多便利，使腦腫瘤的診斷與治療更加方便、更加有效。但在現(xiàn)階段，腦腫瘤的分割一般由有經(jīng)驗的醫(yī)生手工進行，手工分割對醫(yī)生的專業(yè)知識及臨床經(jīng)驗都有很高的要求，分割過程耗費時間長，同時容易引入人為誤差，分割結果因人而異。因此，在臨床與科研的巨大需求之下，m腦腫瘤圖像的自動分割一直是近些年來的研究熱點。但凇腦

3、腫瘤圖像的自動分割算法的研究一直以來都面臨著一些困難，這些困難主要包括：凇自身的成像原理與技術的限制；圖像采集過程中外部環(huán)境、設備本身和操作人員等因素的影響；腦組織本身的復雜結構；不同個體間的巨大差異等。為了解決這些問題，研究者們從不同的方面著手，提出了許多相關的算法，主要包括：以微分算子和形變模型方法為代表的基于邊緣的分割方法；以閾值法和模糊聚類方法為代表的基于區(qū)域的分割方法；其他代表性的方法如圖譜法和基于分類器的方法等。基于邊緣的分

4、割方法的原理是因為區(qū)域邊緣上的像素灰度值的變化往往比較劇烈，所以可以通過檢測不同區(qū)域間的邊緣來解決圖像分割問題。微分算子法通過利用圖像的一階或二階導數(shù)在階躍邊緣和屋脊邊緣取值不同的特性來檢測圖像的邊緣，其方法實現(xiàn)簡單，邊緣檢測效果較好，是學習圖像處理過程中的必備方法。但由于邊緣檢測算子對噪聲十分敏感，對醫(yī)學圖像而言單純的依靠微分算子進行圖像分割往往得不到滿意的結果。形變模型法通過內力外力的結合作用使輪廓逐漸的靠近圖像邊緣從而得到分割結果