基于模糊集與水平集的醫(yī)學(xué)圖像自動(dòng)分割算法研究.pdf

1、醫(yī)學(xué)圖像分割是圖像分割的一個(gè)較早應(yīng)用領(lǐng)域，是醫(yī)學(xué)圖像分析環(huán)節(jié)的關(guān)鍵技術(shù)，也是臨床醫(yī)學(xué)應(yīng)用中的重點(diǎn)與難點(diǎn)，并在影像醫(yī)學(xué)中發(fā)揮著越來(lái)越重要的作用。所謂醫(yī)學(xué)圖像分割就是利用先進(jìn)的計(jì)算機(jī)技術(shù)將醫(yī)學(xué)圖像中的腫瘤、腦挫裂傷灶、病變組織、血腫、細(xì)胞、彌漫性腦腫脹、血管等感興趣的目標(biāo)區(qū)域從醫(yī)學(xué)圖像背景中分離出來(lái)，是醫(yī)學(xué)圖像三維重建、可視化的基礎(chǔ)，同時(shí)也是對(duì)病變組織的邊界、形狀、截面面積及體積進(jìn)行定量測(cè)量的前提，在醫(yī)學(xué)圖像處理和應(yīng)用中具有重要意義。

2、>　　近幾年，醫(yī)學(xué)圖像分割方法的一個(gè)發(fā)展趨勢(shì)是在研究新方法、新思想的同時(shí)將各種已有方法進(jìn)行融合，以結(jié)合各方法的優(yōu)勢(shì)，獲得某種分割準(zhǔn)確、可操作性強(qiáng)、實(shí)時(shí)性高的醫(yī)學(xué)圖像自動(dòng)分割算法。目前，模糊集與水平集的結(jié)合都是兩種方法的簡(jiǎn)單組合，并沒(méi)有實(shí)現(xiàn)真正意義上的融合，且需要人為對(duì)水平集的控制參數(shù)進(jìn)行優(yōu)化配置，沒(méi)有做到醫(yī)學(xué)圖像分割的自動(dòng)化。所以，本文主要研究基于模糊集與水平集的醫(yī)學(xué)圖像分割算法，主要工作總結(jié)如下:
　　(1)研究基于模糊集理論的

3、醫(yī)學(xué)圖像分割，提出了一種改進(jìn)FCM算法。
　　在研究模糊集數(shù)學(xué)理論知識(shí)的基礎(chǔ)上，重點(diǎn)研究了FCM算法，并針對(duì)FCM算法抗噪性能差的缺陷，本文提出了一種改進(jìn)算法。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)FCM算法相比，本文改進(jìn)算法具有很好的抗噪性，且分割精度高。
　　(2)研究基于水平集方法的醫(yī)學(xué)圖像分割，提出了一種新模糊水平集算法。
　　在研究曲線演化理論與水平集方法數(shù)學(xué)模型的基礎(chǔ)上，著重研究了水平集方法應(yīng)用于圖像分割時(shí)的演化方程，并研究

4、了水平集方法中各控制參數(shù)的取值優(yōu)化準(zhǔn)則、作用與意義。最后，針對(duì)傳統(tǒng)水平集分割方法存在計(jì)算量大的缺點(diǎn)，重點(diǎn)研究了水平集方法中的LCM模型，并將改進(jìn)FCM算法與LCM模型相結(jié)合，提出了一種新模糊水平集醫(yī)學(xué)圖像自動(dòng)分割算法。實(shí)驗(yàn)證明，本文方法在進(jìn)行醫(yī)學(xué)圖像分割時(shí)，不但具有高的分割精度、快的分割速度、強(qiáng)的抗噪性能，而且實(shí)現(xiàn)了分割的自動(dòng)化，操作簡(jiǎn)易。
　　(3)設(shè)計(jì)并開發(fā)了一套醫(yī)學(xué)影像計(jì)算機(jī)輔助分割系統(tǒng)。
　　為了在同一平臺(tái)上對(duì)本文方