MRI腦圖像基底核區(qū)部位的分割算法研究.pdf

1、醫(yī)學圖像分割問題一直是圖像處理領域中的經(jīng)典難題。大腦組織具有特別復雜的結構，為了能夠展開有效地后繼處理，腦組織圖像分割顯得格外關鍵。 本文的目標分割區(qū)域基底核區(qū)是大腦深部一系列神經(jīng)核團組成的功能整體，其主要功能為自主運動的控制并同時參與記憶，情感和獎勵學習等高級認知功能。但是目前尚未見到針對于像基底核區(qū)這樣的多組織腦解剖結構的一種有效分割。 首先，本文對當前常見的醫(yī)學圖像分割方法進行了歸類整理，簡要闡述了各類算法的特點與

2、原理，把其中有代表性的算法應用于本文的待分割目標區(qū)域，并就結果分析討論了這些算法在基底核區(qū)部位的分割缺陷。 其次，針對待分割區(qū)域的特點，本文提出了一種結合區(qū)域生長和形態(tài)學的MRI醫(yī)學圖像腦組織分割方法，其采用了靈活的種子點選取方式，以區(qū)域生長算法為中心，結合先驗知識，并以多種形態(tài)學算法作為后續(xù)精細修正處理步驟，它們相互補充，從多個角度來處理分割障礙，從而在復雜背景中實現(xiàn)對基底核區(qū)的有效分割。相對于傳統(tǒng)的區(qū)域生長算法，本算法通過多

3、種種子點選取方法以降低分割結果對初始種子點選取的依賴性，并嘗試采用形態(tài)學方法解決傳統(tǒng)區(qū)域生長算法對局部極值的敏感和復雜背景下固有的相鄰組織灰度交疊而產(chǎn)生的多余分割情形。 最后，根據(jù)高斯核模糊聚類算法的特點和提供的良好接口，引入一種結合共生矩陣紋理的腦組織分割方法。算法考慮了目標區(qū)域的紋理特征，并借鑒參數(shù)形變模型的初始化輪廓線方法，引入專家經(jīng)驗，消除模糊分類間斷的缺點，采用形態(tài)學作為后續(xù)處理，最終提取出了有意義的分割結果。因為采用