醫(yī)學圖像配準與分割算法研究.pdf

1、醫(yī)學在人們的生活中是至關重要、不可或缺的一門應用科學,醫(yī)學臨床研究和應用的發(fā)展水平對人類健康起著重要的作用。
　　本文主要圍繞著醫(yī)學圖像處理算法中比較關鍵也是常用的醫(yī)學圖像分割和配準算法進行研究,并獲得一定的成果,其中研究內容以及創(chuàng)新成果如下:
　　1.主要詳細深入分析了醫(yī)學圖像分割算法中的參數法模型,這種模型主要是針對具有灰度不均勻的核磁共振圖像進行分割,但是算法模型對于參數的初始化不穩(wěn)定,不能在偏移場參數的隨機初始化的情

2、況下得到正確的分割結果。針對參數法分割模型的上述缺陷,參考水平集分割方法防止重新初始化的修改方法,對模型中的能量函數進行改進,并且運用改進前后的能量函數在 McGill Brain Web中的數據上進行仿真實驗,結果證明改進后的能量函數模型在偏移場參數隨機初始化的情況下能得到正確的分割結果。
　　2.隨著醫(yī)學儀器的發(fā)展,攝取的圖片大多擴展到了三維、四維等,但是國內的醫(yī)學圖像配準算法大都是應用在二維圖像上,這樣不利于醫(yī)生診斷整體組織

3、部位的信息。本文主要對于三維的核磁共振圖像進行了剛性配準,而且仿真比較了在不同模態(tài)的三維圖像配準中不同相似性測度算法的性能。
　　3.由于醫(yī)學圖像自身的復雜性,單純的分割很難直接分割出圖像中的具體生理結構。這時就需要利用基于atlas圖集的分割方法,首先就要對atlas進行配準,這種結合把這分割與配準算法相結合的方法越來越成為醫(yī)學圖像處理中的趨勢。但是由于個體差異性和配準算法的局限性,往往達不到很好的效果。本文針對上述atlas方