基于CT圖像的肺部腫瘤三維分割研究.pdf

1、在醫(yī)學(xué)圖像處理領(lǐng)域，肺部腫瘤的分割是一項(xiàng)具有實(shí)際應(yīng)用價(jià)值的課題?；诰_的肺部腫瘤分割結(jié)果，可以進(jìn)行相應(yīng)的三維重建、分析解剖結(jié)構(gòu)和計(jì)算腫瘤體積等相關(guān)研究，從而為醫(yī)生提供有價(jià)值的臨床診斷信息，具有十分重要的臨床價(jià)值。但是由于肺部腫瘤通常具有形態(tài)不規(guī)律、邊界模糊以及亮度不均勻等特點(diǎn)，所以如何對肺部腫瘤進(jìn)行精確分割也是一項(xiàng)富有挑戰(zhàn)性的難題。本文基于Computed Tomography(CT)圖像數(shù)據(jù)，著重從兩個理論方向上研究了肺部腫瘤分割算

2、法:
　　首先，基于水平集理論模型的肺部腫瘤分割算法。分析了水平集的相關(guān)理論基礎(chǔ)，并重點(diǎn)闡述了經(jīng)典Snake模型、基于輪廓的測地線活動輪廓(GAC)模型以及基于區(qū)域的二值高斯規(guī)則化水平集(SBGFRLS)模型的相關(guān)概念。通過對肺部腫瘤CT圖像的特點(diǎn)進(jìn)行分析，基于GAC模型能夠保留圖像的局部信息和SBGFRLS模型能夠保留全局信息的優(yōu)點(diǎn)，提出了利用SBGFRLS模型進(jìn)行粗略分割和采用GAC模型進(jìn)行進(jìn)一步精細(xì)分割的算法，提高了肺腫瘤分

3、割的準(zhǔn)確度和魯棒性，具有一定的理論創(chuàng)新和實(shí)際應(yīng)用價(jià)值。
　　其次，基于深度學(xué)習(xí)理論模型的肺部腫瘤分割算法。由神經(jīng)網(wǎng)絡(luò)的相關(guān)理論基礎(chǔ)的簡單介紹，引出并重點(diǎn)介紹了深度卷積神經(jīng)網(wǎng)絡(luò)(Deep ConvolutionalNeural Networks)的相關(guān)概念。通過對深度學(xué)習(xí)模型的研究，結(jié)合肺部腫瘤CT圖像的特點(diǎn)，本文采用深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行肺部腫瘤的粗略分割，并結(jié)合SBGFRLS水平集模型進(jìn)行精確分割，以此提出了一種新穎的基于深度