前列腺超聲圖像的分割算法研究.pdf

1、這幾年，超聲影像在前列腺外科臨床中運(yùn)用得越來越廣泛。從超聲圖像中分割出前列腺的邊界在測量前列腺體積，估測腫瘤邊緣以及實(shí)時目標(biāo)圖像導(dǎo)引的活組織穿刺中有重要的臨床意義。傳統(tǒng)的手工分割既費(fèi)時又費(fèi)力。由于超聲圖像嚴(yán)重的斑點(diǎn)噪聲和很低的信噪比，給自動分割帶來了極大的挑戰(zhàn)，因此，半自動的分割方法被廣泛采納。
　　 前列腺超聲圖像的分割可以分為兩個步驟：預(yù)處理和圖像分割。預(yù)處理的主要目的是抑制噪聲，提高圖像的對比度，常采用中值濾波，高斯平滑，

2、而sticks算法可以在抑制噪聲的同時提高邊緣處的對比度。圖像分割中綜合運(yùn)用了多種模型。其中，主動輪廓模型(Snake)通過最小化能量函數(shù)，控制一條活動輪廓向目標(biāo)邊界運(yùn)動?；谔荻仁噶苛鲌龅闹鲃虞喞Ｐ?GVF Snake)能一定程度上抑制噪聲，減小對初始輪廓的依賴。氣球蛇模型(Balloon Snake)受噪聲影響會出現(xiàn)打結(jié)。通過引入消除打結(jié)的算法，并根據(jù)曲線運(yùn)動劇烈程度動態(tài)修改內(nèi)能參數(shù)，可以達(dá)到分割的目的。離散動態(tài)輪廓模型的計算相對

3、簡單，只需人工給定四個初始點(diǎn)，但模型的有效捕捉范圍較窄即初始輪廓需離目標(biāo)足夠近。通過引入一個膨脹外力，并根據(jù)需要自動調(diào)整不同控制點(diǎn)的質(zhì)量參數(shù)，可以促使曲線向目標(biāo)運(yùn)動，改善分割效果。
　　 將手工分割的結(jié)果與算法分割的結(jié)果進(jìn)行比較，實(shí)驗(yàn)表明，GVF Snake容易忽略掉弱邊界，難以避免強(qiáng)噪聲點(diǎn)的干擾；改進(jìn)后的Balloon Snake在弱邊緣處會出現(xiàn)泄露。通過計算基于距離的評價參數(shù)和基于面積的評價參數(shù)，實(shí)驗(yàn)數(shù)據(jù)表明，改進(jìn)后的離散動