醫(yī)學圖像組織分割算法的研究與實現(xiàn).pdf

1、隨著成像技術的不斷提高，醫(yī)學圖像在診斷中的作用越來越大。醫(yī)學圖像的處理也自然而然地成為當下的一個熱點，分割更是其中的關鍵一環(huán)，它關系到診斷，配準，重構等諸多方面的效果。
　　由于醫(yī)學成像原理的復雜性與特殊性，傳統(tǒng)的分割技術不再適用于灰度不均勻的醫(yī)學圖像，人們開始研究適用于這類圖像的分割方式。對于現(xiàn)代醫(yī)學圖像，除了準確性和穩(wěn)定性，智能化也成為目前醫(yī)學圖像分割中的重要因素?；诖耍疚闹饕芯窟m應現(xiàn)代醫(yī)學圖像特點的分割方法，主要工作如

2、下：
　　1.從醫(yī)學圖像的特殊性出發(fā)，總結了一些常見的和較為實用的分割方法，主要包括一些傳統(tǒng)且經典的算法和近些年來被人們改進較多的較實用的算法。前者雖簡單適用性不強，但其思想是一直被學者們借鑒，后者雖不能處理醫(yī)學圖像，但近些年的很多研究都是在它們的基礎上的創(chuàng)新或融合。
　　2.介紹了水平集的C-V模型，針對其無法處理MR圖像的缺陷作了一系列改進：在原有模型上引入偏移場，并用N個徑向基函數(shù)擬合該場，將像素點看作是偏移場和真實值

3、的乘積。基于上面的思想，我們提出了基于灰度不均勻場的C-V模型，該模型在最小化能量函數(shù)的過程中增加了求解偏場系數(shù)的步驟。它汲取了C-V模型簡單，收斂快的優(yōu)點，更重要的是能夠適用于MR圖像的分割。
　　3.詳細研究了一種基于局部區(qū)域的灰度不均勻場水平集分割算法。我們詳細分析了MR圖像中的局部區(qū)域的特性，并在第三章算法的基礎上引入局部區(qū)域，充分利用這些特性。同時拋棄擬合偏移場的方式而改用直接估計的方式，這樣就使得對偏場的估計和矯正更加