基于可變形模型的CT圖像病灶分割及參數(shù)測量.pdf

1、圖像分割是圖像處理和計(jì)算機(jī)視覺領(lǐng)域中的基本技術(shù),是大多數(shù)圖像分析及視覺系統(tǒng)的重要組成部分。醫(yī)學(xué)圖像分割是圖像分割的一個(gè)重要應(yīng)用領(lǐng)域,在臨床診療中起著越來越重要的作用。醫(yī)學(xué)臨床實(shí)踐和研究經(jīng)常需要對人體某種組織和器官的形狀、邊界、截面面積以及病灶之間的距離進(jìn)行測量,從而得出該組織病理或功能方面的重要信息。精確的測量對疾病的診斷和治療有重要的臨床意義。由于醫(yī)學(xué)影像的成像特點(diǎn)及圖像質(zhì)量的不同,應(yīng)用傳統(tǒng)的圖像分割方法來提取邊界可能效果不佳。為此,

2、可變形模型的方法被廣泛地研究和應(yīng)用在醫(yī)學(xué)圖像分割中。本文首先分析了目前廣泛應(yīng)用的醫(yī)學(xué)圖像分割方法,討論了每類分割方法的特點(diǎn)和其所適用的范圍,接著重點(diǎn)對可變形輪廓模型在醫(yī)學(xué)圖像分割方面進(jìn)行了研究。課題針對CT圖像的分割方法,提出了一種基于GVF模型的改進(jìn)的活動(dòng)輪廓分割法,克服了GVF模型不能處理深度凹陷區(qū)域的問題。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的分割方法較原Snake模型及GVF模型的效果更好。在病灶區(qū)域被分割后,對其表征參數(shù)進(jìn)行了測量分析,包括病