基于數(shù)字CT圖像的管狀結構分析與研究.pdf

1、近年來，數(shù)字圖像處理技術被廣泛的應用在醫(yī)學影像領域，隨著計算機朝智能化方向的飛速發(fā)展，醫(yī)學圖像提供的影像信息已經(jīng)成為疾病診斷治療的重要依據(jù)。然而對疾病診斷的正確與否，完全取決于圖像的獲取和解釋兩個方面。醫(yī)學影像設備采用的計算機斷層掃描技術已經(jīng)達到圖像數(shù)字化要求，通過記錄人體不同組織的密度分布情況，逐層掃描產(chǎn)生一系列平面圖像，這個數(shù)據(jù)集就可以立體化反應人體內(nèi)部解剖結構。在圖像解釋方面，現(xiàn)在的醫(yī)學診療主要依靠有豐富臨床經(jīng)驗的影像專家完成；然

2、而多樣化的病理特征和互相重疊的解剖結構使圖像的數(shù)據(jù)信息變得復雜，海量的圖像數(shù)據(jù)和反復性的診斷工作量容易造成對病情的疏漏和誤診。所以使用一種快速、準確、智能化的圖像分析方式顯得十分重要。
　　高分辨率的血管圖像在手術規(guī)劃和醫(yī)學診斷中有非常重要的作用，血管可以提供很多關鍵信息，例如標志性的定位作用，因為血管系統(tǒng)復雜并且結構大小不一，一旦損害很難修復。受噪音和造影劑的影響，微細的血管末枝會在圖像中表現(xiàn)出斷落形式；三維立體的血管結構呈樹狀

3、分布，局部微細血管大多表現(xiàn)為線狀形式，這些結構上的特點決定了提取算法的獨特性。準確快速的提取血管是計算機輔助診斷的關鍵，同時也是后繼處理操作的基礎。因此，針對血管多維圖像分割及邊緣檢測的算法理論一直是醫(yī)學圖形學領域的研究熱點。
　　在血管樹分割的基礎上，提取中軸線，用具有連通的、高精度的單像素點集合表示三維模型的原始結構特征。醫(yī)學圖像的骨架信息在圖像配準中有著重要的臨床意義，病變體相對于骨架的空間位置可以和清晰的表示出病例的嚴重程

4、度。目前，研究人員針對這個課題已經(jīng)提出了多種多樣的細化算法，主要基于距離、拓撲和能量三個類別，各自算法都有不同的特點。骨架特征匹配程度直接關系對疾病評估的情況。
　　立體定量評估就是通過計算機檢測異常組織區(qū)域，并對其進行損傷評估，然后與臨床實際數(shù)據(jù)做作對比，輸出具備數(shù)學描述性的表達式。目標就是降低人為錯誤，減少不同醫(yī)生之間觀察的差異性，提高對臨床診斷的治療水平。
　　針對上述涉及的問題，本文提出了一些自己的解決方案和見解。本

5、文首先詳細解讀了醫(yī)學圖片格式，并對DICOM顯示原理和數(shù)據(jù)存取做了示例驗證，還分析了格式互換思路。接下來針對經(jīng)典的邊緣檢測Live-wire算法做算法原理闡釋，總結算法特點并給出改進意見，實現(xiàn)改進算法。然后研究Hessian矩陣模型，分析水平集算法優(yōu)缺點，重點采用區(qū)域生長改進基于水平集閾值的血管快速提取算法，在軟件平臺上實現(xiàn)算法的高效性和準確性。最后，著重分析拓撲細化，提出一種基于鄰接表模型的細化方法，對比多種細化方法，說明本算法的可行