基于改進(jìn)的因式分解與B樣條水平集的肝臟腫瘤圖像自動(dòng)分割研究.pdf

1、圖像分割就是根據(jù)與圖像底層相關(guān)的特征，在原始圖像中分割出感興趣區(qū)域（ROI）。而在圖像分割中的醫(yī)學(xué)圖像的分割領(lǐng)域，由于它具有很大的現(xiàn)實(shí)意義、實(shí)用價(jià)值和臨床需求，因而受到了專(zhuān)家和研究者們的普遍關(guān)注。本文主要研究的是在CT圖像基礎(chǔ)上肝臟腫瘤的分割問(wèn)題，準(zhǔn)確的分割結(jié)果對(duì)于術(shù)前評(píng)價(jià)和手術(shù)規(guī)劃都具有十分重要的參考價(jià)值。如何利用算法不僅能準(zhǔn)確的提取出肝臟腫瘤，而且只需少量交互操作。因此本文實(shí)現(xiàn)了一種改進(jìn)的因式分解方法分割肝臟腫瘤，并提出了一種結(jié)合混

2、合高斯模型與B樣條水平集的肝臟腫瘤自動(dòng)分割算法。
　　首先，本文對(duì)目前為止比較普遍使用的圖像分割方法和具體針對(duì)肝臟腫瘤分割方面的算法探究,以及在肝臟腫瘤分割問(wèn)題中存在的難點(diǎn)進(jìn)行分析。其次，本文簡(jiǎn)要說(shuō)明了CT圖像的成像原理，并對(duì)醫(yī)學(xué)圖像的DICOM格式文件做全面解讀，并探究了DICOM顯示原理和與BMP文件格式互換的思路。再次，本文對(duì)水平集的相關(guān)理論進(jìn)行分析，并將不同類(lèi)型的水平集效果對(duì)比論證。最后，本文選擇對(duì)于肝臟腫瘤而言效果還不錯(cuò)

3、的經(jīng)典DRLSE水平集方法和改進(jìn)的因式分解的肝臟腫瘤分割的方法進(jìn)行對(duì)比，并提出一種肝臟腫瘤的自動(dòng)分割算法，結(jié)合了混合高斯模型和B樣條水平集。
　　本文實(shí)現(xiàn)了改進(jìn)的因式分解的肝臟腫瘤分割算法，使用局部像素不均勻因子（LPIF）方法進(jìn)行圖像預(yù)處理。本方法與水平集方法不同的是此方法規(guī)避了水平集在圖像分割中重新初始化初始輪廓的操作，是一種自動(dòng)分割的方法。與DRLSE相比，此方法的效果比較好，但是由于腫瘤邊緣像素不連續(xù)以及圖像本身存在的噪聲

4、對(duì)此方法有一定影響，因此分割結(jié)果和標(biāo)準(zhǔn)分割還具有一定差距。
　　本文提出的結(jié)合混合高斯模型和B樣條水平集的肝臟腫瘤自動(dòng)分割的方法，避免了在傳統(tǒng)水平集中必需的對(duì)輪廓初始化的操作，自動(dòng)根據(jù)混合高斯模型處理后的結(jié)果確定初始輪廓，減少了人工交互。實(shí)驗(yàn)結(jié)果表明，本文的算法取得了特別好的分割效果，并且在醫(yī)學(xué)影像學(xué)與輔助診斷中具有一定的實(shí)用價(jià)值。
　　上述內(nèi)容中所提出的算法，都是經(jīng)過(guò)了多次理論論證和實(shí)驗(yàn)證明，其實(shí)驗(yàn)數(shù)據(jù)是由醫(yī)院提供的真實(shí)病