基于稀疏表示模型的腦腫瘤圖像處理研究.pdf

1、利用腦腫瘤圖像處理技術(shù)進(jìn)行計(jì)算機(jī)輔助診斷，不僅能夠大幅度提升醫(yī)生對(duì)腦腫瘤患者進(jìn)行顱腦檢查的效率和準(zhǔn)確度，而且對(duì)于提高腦腫瘤患者的治愈率和存活率也有著重要的臨床意義。醫(yī)學(xué)腦腫瘤圖像中往往存在著各組織之間的灰度對(duì)比度較低，各組織之間以及正常組織與腫瘤區(qū)域之間的邊界比較模糊的特點(diǎn)，而且腦組織結(jié)構(gòu)較為復(fù)雜，表現(xiàn)在二維圖像中往往還存在著局部體效應(yīng)，這些都給腦腫瘤圖像的處理工作帶來(lái)了困難。
　　 本文主要從腦圖像的恢復(fù)和腫瘤區(qū)域的提取兩方面

2、對(duì)腦腫瘤圖像的處理進(jìn)行了研究。傳統(tǒng)的圖像恢復(fù)算法往往存在著計(jì)算量過(guò)大等缺陷，近年來(lái)基于稀疏表示的恢復(fù)算法成為了研究的熱點(diǎn)。并且現(xiàn)階段醫(yī)學(xué)領(lǐng)域中對(duì)于腦腫瘤圖像中腫瘤的提取主要依賴(lài)于分割算法，雖然分割方法眾多，但由于腦腫瘤圖像的特殊性，到目前為止還沒(méi)有一個(gè)十分有效的解決方法。本文的目的在于尋求一種更加自動(dòng)、準(zhǔn)確、快速、魯棒性較強(qiáng)的腦腫瘤圖像處理方法。
　　 圖像的稀疏表示方法就是通過(guò)少數(shù)幾個(gè)基函數(shù)的線(xiàn)性組合來(lái)以最稀疏的形式表示原圖像

3、，展現(xiàn)原圖像中的關(guān)鍵特征信息，揭示圖像的內(nèi)在結(jié)構(gòu)和本質(zhì)屬性。本文基于稀疏表示模型對(duì)腦腫瘤圖像的恢復(fù)和腫瘤區(qū)域的檢測(cè)與提取進(jìn)行了研究，主要的工作內(nèi)容如下:
　　 本文首先敘述了核磁共振成像技術(shù)以及核磁共振腦組織圖像的特點(diǎn)，介紹了腦腫瘤圖像處理的背景和意義，以及現(xiàn)階段腦腫瘤圖像處理的特點(diǎn)和面臨的困難，并簡(jiǎn)要闡述了圖像恢復(fù)和腫瘤檢測(cè)的國(guó)內(nèi)外研究現(xiàn)狀。
　　 稀疏表示模型是本文研究的理論基礎(chǔ)，在此本文詳細(xì)闡述了該模型產(chǎn)生的背景及

4、其基本理論，接著分析了稀疏表示模型的兩種求解算法，并簡(jiǎn)要介紹了目前稀疏表示模型在圖像處理領(lǐng)域中的應(yīng)用。
　　 在稀疏表示模型基礎(chǔ)上，本文提出了一種基于L1范數(shù)主成分分析的腦腫瘤圖像恢復(fù)和腫瘤區(qū)域檢測(cè)算法，該算法能夠在恢復(fù)出腦部特征圖像的同時(shí)檢測(cè)出圖像中的腫瘤區(qū)域。與傳統(tǒng)主成分分析恢復(fù)出的效果的比較說(shuō)明了該算法的有效性。同時(shí)提取出的腫瘤圖像克服了傳統(tǒng)分割算法中腫瘤區(qū)域邊緣易受噪聲破壞的缺陷，對(duì)于圖像中的噪聲具有更強(qiáng)的魯棒性。