基于改進(jìn)Ncut的醫(yī)學(xué)X線圖像分割方法研究.pdf

1、醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像高層分析和理解的基礎(chǔ)，在臨床醫(yī)療、手術(shù)計(jì)劃、醫(yī)學(xué)研究等領(lǐng)域都有著重要的研究?jī)r(jià)值和廣泛的應(yīng)用前景。人體組織的個(gè)體差異以及成像技術(shù)的局限性使得醫(yī)學(xué)圖像往往具有邊緣模糊、噪聲較多、偽影等特點(diǎn)，導(dǎo)致醫(yī)學(xué)圖像分割問題成為圖像處理領(lǐng)域的一個(gè)難點(diǎn)?；趫D論的圖像分割方法近年來(lái)被越來(lái)越多地應(yīng)用至醫(yī)學(xué)影像處理當(dāng)中，其中Normalized Cut(Ncut)準(zhǔn)則憑借其同時(shí)滿足類間差異程度和類內(nèi)相似度最大的能力、嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)求解方案吸引

2、了很多研究者的目光。本文在分析醫(yī)學(xué)圖像分割領(lǐng)域研究現(xiàn)狀的基礎(chǔ)上，重點(diǎn)分析基于圖論最優(yōu)割準(zhǔn)則的圖像分割方法及其局限性，以乳腺X線圖像腫塊分割為目標(biāo)，深入研究了基于Ncut的醫(yī)學(xué)X線圖像分割方法，并對(duì)醫(yī)學(xué)圖像的處理系統(tǒng)進(jìn)行了設(shè)計(jì)。本文的主要工作及創(chuàng)新如下:
　　1.首先研究了基于圖論的圖像分割方法中圖像與圖之間的特征對(duì)應(yīng)關(guān)系，其次對(duì)常用的圖最優(yōu)割準(zhǔn)則進(jìn)行了詳細(xì)介紹和對(duì)比分析。另外，從醫(yī)學(xué)圖像以及圖最優(yōu)割算法的特點(diǎn)出發(fā)，重點(diǎn)分析了基于N

3、cut的算法在醫(yī)學(xué)圖像分割領(lǐng)域的應(yīng)用及發(fā)展過程中存在的不足，為后續(xù)分割方案的改進(jìn)提供了方向。
　　2.針對(duì)Ncut算法噪聲敏感、計(jì)算量大、權(quán)值較為單一的缺點(diǎn)，提出了結(jié)合改進(jìn)分水嶺和形狀控制的Ncut圖像分割方法(Shape-Controlled Ncut with AdvancedWatershed，AW-SNcut)，該方法對(duì)Ncut算法做出兩點(diǎn)改進(jìn): a）設(shè)計(jì)了改進(jìn)的標(biāo)記分水嶺算法作為醫(yī)學(xué)圖像預(yù)分割方法，能夠更好地標(biāo)記出目標(biāo)區(qū)

4、域且實(shí)現(xiàn)形態(tài)學(xué)結(jié)構(gòu)元尺寸的自動(dòng)選擇。將預(yù)分割結(jié)果中的區(qū)域作為Ncut算法的輸入，以區(qū)域替代像素點(diǎn)進(jìn)行圖像分割，提高了Ncut算法的計(jì)算效率。b）設(shè)計(jì)了形狀控制Ncut算法，將待分割目標(biāo)的形狀特征引入相似度矩陣，有效解決了傳統(tǒng)Ncut分割方法權(quán)值單一的問題。利用該方法對(duì)乳腺X線圖像庫(kù)進(jìn)行腫塊分割測(cè)試，取得了較好的實(shí)驗(yàn)結(jié)果，驗(yàn)證了算法的有效性。
　　3.在研究基于Ncut的醫(yī)學(xué)X線圖像分割基礎(chǔ)上，本文對(duì)乳腺X線圖像腫塊處理系統(tǒng)進(jìn)行了方