基于水平集的圖像分割方法研究及其在醫(yī)學(xué)圖像中的應(yīng)用.pdf

1、過去幾十年，醫(yī)學(xué)成像技術(shù)飛速發(fā)展，開展以此為基礎(chǔ)的計算機輔助診斷系統(tǒng)研究成為該領(lǐng)域的熱點課題，而醫(yī)學(xué)圖像分割是計算機輔助診斷系統(tǒng)設(shè)計中的關(guān)鍵技術(shù)。對于醫(yī)學(xué)圖像分割問題，它一般可分為兩部分：(1)圖像中特定目標(biāo)區(qū)域(器官或組織)的識別；(2)目標(biāo)區(qū)域完整性的描述與提取。相比于其他圖像，醫(yī)學(xué)圖像的復(fù)雜性和多樣性，使得傳統(tǒng)的基于底層圖像信息的分割方法很難取得好的分割結(jié)果，圖像分割成為計算機輔助診斷系統(tǒng)設(shè)計中的瓶頸。而結(jié)合了高層視覺先驗知識和圖

2、像底層信息的主動輪廓模型，符合人類視覺認(rèn)知事物的一般規(guī)律，在計算機輔助診斷中得到了廣泛的應(yīng)用。 水平集方法的出現(xiàn)，極大推動了主動輪廓模型的發(fā)展。水平集方法和曲線演化模型相結(jié)合，克服了傳統(tǒng)Snakes模型的很多固有缺陷，大大拓展了主動輪廓模型的應(yīng)用領(lǐng)域。本文將主要研究如何完善水平集函數(shù)演化理論和分割方法，并將該方法推廣應(yīng)用到醫(yī)學(xué)圖像分割領(lǐng)域。 本文主要的研究內(nèi)容及其創(chuàng)新點包括： 1)針對主動輪廓模型的局限性，本文在

3、對包括Balloon模型和GVF模型進(jìn)行深入研究的基礎(chǔ)上，提出了一種改進(jìn)的方法，該模型能夠適應(yīng)邊緣斷裂圖像和深度凹陷圖像的分割，并且具有收斂速度快等優(yōu)點。 2)針對傳統(tǒng)單相水平集函數(shù)的幾何主動輪廓模型在分割較復(fù)雜圖像時的缺陷，引入了一種多相水平集函數(shù)的分割模型框架，對多目標(biāo)同時分割方法的研究具有重要的指導(dǎo)意義。提出了一種新的基于邊緣信息的全局最優(yōu)的幾何主動輪廓模型模型，通過對比人工圖像和肝臟CT圖像的分割實驗，證明了該方法的有效

4、性和實用性。 3)通過推導(dǎo)一般通用模型的分割框架，指出了經(jīng)典的Chan-Vese分割模型的物理意義。針對肺CT圖像分割中存在的難題，在統(tǒng)一的Bayes統(tǒng)計模型框架下，提出了一種新的聯(lián)合主動輪廓分割模型，成功地對肺部CT圖像進(jìn)行了完整分割，為基于肺部CT圖像的肺功能測定、肺配準(zhǔn)等研究打下了基礎(chǔ)。 4)分析醫(yī)學(xué)圖像分割的特點，發(fā)現(xiàn)這些特點恰恰符合灰度連接理論的“相似性、連接性”特征。為此，本文提出一種新型的圖像力場構(gòu)建方法，

5、將模糊連接度理論引入醫(yī)學(xué)圖像的水平集分割框架。通過對信噪比非常低的醫(yī)學(xué)超聲圖像進(jìn)行分割實驗，證明了本方法的優(yōu)越性。 5)針對胸部CT圖像肺內(nèi)樹狀細(xì)紋理提取難題，本文引入一種新穎的基于局部區(qū)域信息的水平集分割方法--DPLBF模型。通過對比實驗發(fā)現(xiàn)，新方法比其他基于全局區(qū)域信息或梯度邊緣的水平集方法具有更加準(zhǔn)確而完整的分割結(jié)果。最后，對一組三維高分辨率CT數(shù)據(jù)集進(jìn)行了分割實驗，通過三維重建發(fā)現(xiàn)，得到的肺紋理樹具有良好的各向同一性和