腦部腫瘤圖像分割技術(shù)的研究.pdf

1、醫(yī)學(xué)圖像分割技術(shù)是把圖像中具有特殊含義的不同區(qū)域分割開來(lái)，并使分割結(jié)果盡可能地接近解剖結(jié)構(gòu)。醫(yī)學(xué)圖像分割技術(shù)是醫(yī)學(xué)圖像處理和分析領(lǐng)域研究的重要內(nèi)容之一，而腦部腫瘤圖像分割因其重要的臨床應(yīng)用價(jià)值一直是醫(yī)學(xué)圖像分割研究的熱點(diǎn)。本文通過分析醫(yī)學(xué)圖像分割算法的特點(diǎn)，對(duì)MRI腦部腫瘤圖像分割技術(shù)進(jìn)行了初步的探索。 論文在研究醫(yī)學(xué)圖像分割方法及腦部腫瘤圖像特點(diǎn)的基礎(chǔ)上，重點(diǎn)研究了基于區(qū)域和基于變分水平集方法的幾何活動(dòng)輪廓模型的分割算法。在基

2、于區(qū)域的分割算法中，主要對(duì)模糊C-均值聚類算法和粒子群優(yōu)化算法進(jìn)行了深入地研究，并根據(jù)MRI腦部腫瘤圖像的特點(diǎn)構(gòu)造合適的適應(yīng)度函數(shù)對(duì)粒子群優(yōu)化算法進(jìn)行了改進(jìn)，改進(jìn)后的粒子群優(yōu)化算法可以對(duì)MRI腦部腫瘤圖像進(jìn)行聚類，并得到較好的分割效果。在基于變分水平集方法的幾何活動(dòng)輪廓模型中，主要研究了C-V模型、Li Chunming無(wú)需重新初始化的變分水平集模型和改進(jìn)的C-V模型。改進(jìn)的C-V模型繼承了Li Chunming模型和C-V模型的優(yōu)點(diǎn)，