基于粗神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像融合算法.pdf

1、隨著計(jì)算機(jī)圖像處理與醫(yī)學(xué)的快速發(fā)展，醫(yī)學(xué)圖像融合成為了醫(yī)學(xué)影像學(xué)領(lǐng)域的研究熱點(diǎn)之一。用于臨床診斷和治療的新型影像設(shè)備不斷被研制，呈現(xiàn)的信息也趨于多樣化，由于成像原理不同，每一種模態(tài)的醫(yī)學(xué)圖像所反映出的人體信息側(cè)重點(diǎn)不同，而單一模態(tài)的醫(yī)學(xué)圖像無法獲得全面的診斷信息，因此對(duì)多模態(tài)的醫(yī)學(xué)影像信息，進(jìn)行適度集成、融合以獲得互補(bǔ)信息，可以為臨床診斷提供更加直觀、全面的醫(yī)學(xué)診斷圖像，方便臨床醫(yī)生有效觀察和正確診斷。因此，研究醫(yī)學(xué)圖像融合具有非常重要

2、的意義。
　　 論文主要以醫(yī)學(xué)CT和MR圖像為例對(duì)醫(yī)學(xué)圖像融合算法及其相關(guān)理論進(jìn)行研究。為了驗(yàn)證算法的有效性，本文均考慮已配準(zhǔn)好的醫(yī)學(xué)圖像，在此基礎(chǔ)上進(jìn)行適度融合。工作的主要內(nèi)容有如下幾點(diǎn):
　　 (1)針對(duì)醫(yī)學(xué)圖像中濾波效果較差，邊緣模糊的問題，利用粗糙集之不可分辨關(guān)系理論，提出了一種基于粗糙集的醫(yī)學(xué)圖像融合算法。首先對(duì)源圖像進(jìn)行粗糙中值濾波，利用粗糙集的精確分類能力將噪聲與圖像像素分類，然后采用中值濾波將其濾除;之后

3、提出一種粗糙邊緣檢測(cè)算法，對(duì)CT圖像進(jìn)行邊緣檢測(cè)，實(shí)現(xiàn)邊緣點(diǎn)與非邊緣點(diǎn)的分類;最后，通過邊緣追蹤技術(shù)掃描CT邊緣檢測(cè)圖，實(shí)現(xiàn)與MR圖的坐標(biāo)定位，并采用重要中心系數(shù)法的融合規(guī)則進(jìn)行融合。實(shí)驗(yàn)表明，該算法較好的保持了醫(yī)學(xué)圖像的細(xì)節(jié)信息，融合質(zhì)量較優(yōu)且效率較高。
　　 (2)由于粗糙集自身特點(diǎn)，在應(yīng)用于圖像處理中存在容錯(cuò)性差、泛化能力弱的問題，而神經(jīng)網(wǎng)絡(luò)恰恰彌補(bǔ)了這一點(diǎn)，并且與粗糙集相同，神經(jīng)網(wǎng)絡(luò)具有高精度的分類能力。本文第五章將粗糙