醫(yī)學圖像中金屬偽影分割技術(shù)研究.pdf

1、隨著計算機成像技術(shù)在醫(yī)學圖像中的不斷發(fā)展，醫(yī)學圖像在醫(yī)療診斷中的作用也越來越大。但是，醫(yī)學圖像與現(xiàn)實生活中其他圖像存在一定的差別，表現(xiàn)在均勻性差、灰度模糊及其他不確定性。如果病人體內(nèi)附帶有不能脫去金屬物件，當電子束掃描病人到金屬部位時，就會產(chǎn)生嚴重的金屬偽影，這些偽影不僅降低了圖像本身的質(zhì)量，甚至影響到醫(yī)生對病變的分析和診斷。因此，借助于醫(yī)學圖像分割技術(shù)把圖像中的感興趣區(qū)域的邊界勾畫出來，無論是從診斷還是放療定位上考慮，都對去除金屬偽影

2、起著至關(guān)重要的作用。本文重點把信息熵相關(guān)的閾值分割方法利用于醫(yī)學圖像，完成的工作主要有以下幾個方面:
　　(1)通過醫(yī)學成像基本過程分析，對醫(yī)學圖像偽影進行分類并研究金屬偽影校正的基本原理。
　　(2)介紹以圖像區(qū)域信息為導向的閾值分割:最佳閾值迭代法與大津閾值分割法。選取了四幅典型的圖像進行仿真。實驗結(jié)果表明最佳閾值分割優(yōu)于直方圖分割。
　　(3)分析基于邊緣的分割方法:Prewitt模板，Sobel模板，Lapla

3、ce算子和Canny算子。對四幅典型的圖像進行仿真，結(jié)果表明，對于邊緣檢測算子，若提高檢測精度則噪聲就會增強而產(chǎn)生不合理的輪廓。雖然該運算時間稍少于閾值分割，但分割效果卻產(chǎn)生偏差。與此同時，本文還采用形態(tài)運算應用在邊界提取和區(qū)域填充中。實驗結(jié)果表明，此法對于有金屬偽影的醫(yī)學圖像分割效果較好，對于無偽影的圖像則會產(chǎn)生部分失真，但是運算效率明顯提高。
　　基于區(qū)域增長法中分析了登山算法和分水嶺算法。登山算法的優(yōu)點是不用選擇閾值，而且從

4、邊緣向中心增長可以避免過度現(xiàn)象。分水嶺算法和簡單閩值分割不同，它可以對兩個灰度相近邊界模糊的目標有較好的分割。
　　(4)在一維大津閾值分割法的基礎(chǔ)上提出了二維大津閾值分割法，并在有金屬物體的醫(yī)學圖像中獲得更好的分割效果。在光線較暗成像處，二維分割算法也優(yōu)于一維算法
　　(5)提出了一種與信息熵相關(guān)的閾值分割算法并對醫(yī)學圖像進行分割，主要利用Tsallis交叉熵對金屬偽影圖像進行閾值分割。目前，基于信息熵概念的閾值分割算法已