MR圖像的腦組織分割及GPU硬件加速.pdf

1、隨著醫(yī)學(xué)圖像成像技術(shù)的發(fā)展，越來越多的高清晰度醫(yī)學(xué)成像儀器如核磁共振成像儀等開始廣泛應(yīng)用于臨床診斷之中，這為醫(yī)生進(jìn)行更準(zhǔn)確的診斷提供了極大的便利，然而日益增多的臨床醫(yī)學(xué)圖像也使得醫(yī)生讀片負(fù)擔(dān)變得沉重。因此研究基于醫(yī)學(xué)圖像的計(jì)算機(jī)輔助診斷系統(tǒng)是解決這個(gè)問題的有效途徑。
　　 顱腦占位性病變?nèi)缒X出血和腦腫瘤等是臨床中常見的疾病，如何通過醫(yī)學(xué)圖像處理技術(shù)，構(gòu)建輔助診斷系統(tǒng)實(shí)現(xiàn)病變的自動檢出是一項(xiàng)極具臨床意義以及具有挑戰(zhàn)性的研究工作。通

2、過圖像分割、配準(zhǔn)和創(chuàng)建正常人的數(shù)字人腦圖譜，然后建立基于腦圖譜的推理系統(tǒng)是一種可行的研究方案。
　　 在醫(yī)學(xué)圖像的處理技術(shù)中，組織分割是一種基礎(chǔ)的處理技術(shù)，分割結(jié)果的優(yōu)劣直接影響到后續(xù)處理的效果，因此組織分割技術(shù)一直是醫(yī)學(xué)圖像處理的研究重點(diǎn)之一。由于圖像分割針對的對象、給定的初始條以及圖像內(nèi)容具有多樣性和復(fù)雜性，完全自動的分割方法在很多情況下并不能給出令人滿意的結(jié)果，而基于用戶交互的分割方法因?yàn)橛胁僮髡叩膮⑴c，給定更精確的初始參

3、數(shù)或修正參數(shù)，因此可以得到更為精確的結(jié)果。隨機(jī)游走分割算法就是基于交互的半自動分割算法，由于具有弱邊界識別能力強(qiáng)、易于擴(kuò)展到3D圖像處理等特點(diǎn)而受到重視。
　　 本文從理論上對隨機(jī)游走算法進(jìn)行深入的研究，理解和分析了隨機(jī)游走分割算法的理論特性和實(shí)驗(yàn)特性，并且分析了隨機(jī)游走算法與其他相關(guān)算法和理論的關(guān)系。在此基礎(chǔ)之上改進(jìn)了原算法的權(quán)重計(jì)算和表示方式，通過引入局部圖像灰度離散度信息，同時(shí)結(jié)合相鄰像素的灰度變化信息來表示權(quán)重，使得算法

4、對于目標(biāo)內(nèi)容以及目標(biāo)邊界具有更強(qiáng)的邊界識別能力。同時(shí)本文給出了兩種局部圖像灰度離散度的計(jì)算方法：基于局部熵的計(jì)算方法以及基于LBP的計(jì)算方法。
　　 原算法在進(jìn)行目標(biāo)分類時(shí)，僅是依據(jù)像素點(diǎn)相對于各類標(biāo)記點(diǎn)的隸屬度大小進(jìn)行分類，這樣的處理方式計(jì)算簡單，但是由于沒有考慮到目標(biāo)和背景在隸屬度上的差別，常出現(xiàn)判別錯(cuò)誤。本文構(gòu)建了一種基于Fisher線性判別法的最佳閾值選取方法，通過計(jì)算分類的最佳閾值，減少由于判別錯(cuò)誤引起的重新標(biāo)記與計(jì)算