超聲甲狀腺結(jié)節(jié)圖像分割算法研究.pdf

1、近年來，甲狀腺結(jié)節(jié)發(fā)病率呈現(xiàn)出逐年增長(zhǎng)趨勢(shì)，已成為危害人類健康重要疾病之一。超聲醫(yī)學(xué)圖像以其廉價(jià)性、無輻射、費(fèi)用低等優(yōu)點(diǎn)，被廣泛應(yīng)用于臨床診斷中。利用圖像處理技術(shù)準(zhǔn)確分割出結(jié)節(jié)區(qū)域，給醫(yī)生的診斷提供重要的輔助信息，對(duì)指導(dǎo)臨床治療有重要價(jià)值。由于超聲甲狀腺圖像分辨率及對(duì)比度較低，且斑點(diǎn)噪聲嚴(yán)重，不同的人群結(jié)節(jié)大小、位置及形狀差異度較大，大大影響了結(jié)節(jié)分割的準(zhǔn)確性。本文以超聲甲狀腺圖像為研究?jī)?nèi)容，以主動(dòng)輪廓水平集法作為分割基礎(chǔ)，提出兩種甲狀

2、腺結(jié)節(jié)分割算法。
　　首先提出了基于全局與局部結(jié)合的水平集分割模型。該算法在傳統(tǒng)局部LBF模型中加入了具有全局指向性的面積能量項(xiàng)，解決了LBF模型對(duì)初始輪廓敏感及容易陷入局部極小的缺點(diǎn)。利用LBF模型的調(diào)整項(xiàng)調(diào)節(jié)本文水平集的長(zhǎng)度和光滑性，最小化能量泛函后得到演化水平集方程。通過與傳統(tǒng)的CV模型、LBF模型進(jìn)行分割對(duì)比，實(shí)驗(yàn)表明本文算法分割準(zhǔn)確度更高。
　　其次，融合模糊核聚類與改進(jìn)的距離正則化水平集模型，提出了第二種分割算法