醫(yī)學圖像分割算法的研究.pdf

1、圖像分割作為圖像分析與圖像理解的前期步驟，是計算機視覺領域中最基本、也是最困難的問題之一，分割結果的好壞直接影響到后續(xù)工作的優(yōu)劣。
　　 醫(yī)學圖像分割的目的是把圖像中具有特殊含義的不同區(qū)域分割開來，并使分割結果盡可能地接近解剖結構，從而為臨床診療和病理學研究提供可靠依據，有利于制定最優(yōu)的治療方案及手術規(guī)劃，在醫(yī)學研究中具有重要的意義。
　　 對馬爾可夫隨機場（MRF）方法的探討及應用是圖像分割中一個很活躍的研究領域。本文

2、改進了基于MRF的傳統條件迭代模式算法（ICM）。初始分割后，將圖像像素點分為穩(wěn)定點和不穩(wěn)定點兩類，用隊列存儲不穩(wěn)定點，每次迭代只對不穩(wěn)定點計算，減少了運算量，提高了效率。
　　 肝臟虛擬手術系統實現的一個基本前提是把肝臟及其管道從腹部CT圖像中分割出來。傳統的人工分割方法耗時耗力，精確度不高。為此，我們急需探求一種有效的肝臟及其內部管道的計算機分割技術。本文根據腹部肝臟CT圖像的特點，改進了無需初始化的水平集方法，并利用CT序

3、列圖像之間的相關性，提出了一種基于改進水平集的CT序列圖像的分割方法。同時，實現了基于K均值聚類的序列圖像分割方法。通過實驗證明，可以取得良好的效果。
　　 首先，本文介紹了課題研究的背景與意義，概述了國內外醫(yī)學圖像分割的發(fā)展現狀和趨勢，以及本論文的主要研究內容和結構安排。本文分析了當前常用圖像分割算法，比較其優(yōu)缺點。
　　 其次，介紹了基于馬爾可夫隨機場的圖像分割方法，并改進了ICM算法。
　　 再次，本論文根