醫(yī)學(xué)圖像處理的關(guān)鍵技術(shù)研究.pdf

1、醫(yī)學(xué)圖像處理是計算機(jī)科學(xué)在醫(yī)學(xué)中的重要應(yīng)用領(lǐng)域之一。X射線成像是醫(yī)學(xué)成像早期的重要研究成果。核磁共振成像、超聲成像等其它成像技術(shù)推動了醫(yī)學(xué)圖像處理的研究和發(fā)展。各種新的醫(yī)學(xué)成像方法的臨床應(yīng)用，為醫(yī)學(xué)診斷和治療技術(shù)提供了幾乎不損傷人體器官的觀察方法。目前，通過各種成像技術(shù)得到的信息已經(jīng)成為重要的臨床診斷輔助手段。但是，通過這些成像技術(shù)得到的原始圖像并不能保證醫(yī)生和研究者們能得到所有隱藏的信息。因此，醫(yī)學(xué)圖像處理技術(shù)借助了目前的計算機(jī)圖像處

2、理方法，幫助醫(yī)生從人體內(nèi)部病變部位提取出有用的信息，提高了診斷的正確性。在計算機(jī)的輔助應(yīng)用下，醫(yī)學(xué)圖像處理技術(shù)帶動著現(xiàn)代醫(yī)學(xué)診斷技術(shù)正產(chǎn)生著巨大的變革。醫(yī)學(xué)圖像處理是計算機(jī)圖像處理中的熱點(diǎn)研究領(lǐng)域之一。因此，醫(yī)學(xué)圖像處理技術(shù)一直受到國內(nèi)外研究人員的高度重視。
　　本文主要將對醫(yī)學(xué)圖像處理領(lǐng)域的兩個關(guān)鍵問題進(jìn)行研究：其一是核磁共振成像中的高維kurtosis張量的重建與成像；其二是醫(yī)學(xué)圖像分割技術(shù)。擴(kuò)散kurtosis成像是在200

3、5年提出的基于擴(kuò)散張量成像的技術(shù)。該技術(shù)與傳統(tǒng)的擴(kuò)散張量成像不同，kurtosis張量的非高斯模型使得人們對大腦中的水分子運(yùn)動模型有了重新認(rèn)識。擴(kuò)散kurtosis成像可以精確表示水分子高斯運(yùn)動的偏差情況，并且對神經(jīng)疾病的研究有重大的意義。本文提出了在kurtosis張量的重建與成像研究領(lǐng)域中的新算法，使kurtosis張量的重建與成像技術(shù)能直接應(yīng)用于臨床醫(yī)學(xué)的疾病檢測與診斷。
　　圖像分割技術(shù)是圖像處理中研究廣泛，技術(shù)實現(xiàn)困難的

4、問題。圖像分割是指把圖像中具有特殊涵義的不同區(qū)域分開來，并使這些區(qū)域互不相交且每一個區(qū)域都滿足特定區(qū)域的一致性。它是圖像處理與圖像分析中的一個經(jīng)典問題。目前在醫(yī)學(xué)圖像處理中，針對各種具體問題已經(jīng)提出了許多不同的圖像分割算法，對圖像分割的效果也有很好的分析結(jié)論。但是由于圖像分割問題所面向領(lǐng)域的特殊性，仍然尚未得到圓滿的具有普適性的解決方法。本文在醫(yī)學(xué)圖像分割領(lǐng)域中提出一個交互式算法和在三維彩色醫(yī)學(xué)圖像中分割管狀結(jié)構(gòu)物體的算法。這些精確的圖

5、像分割算法將會在醫(yī)學(xué)研究領(lǐng)域和輔助診斷方面具有廣泛的應(yīng)用價值。
　　本文針對上述醫(yī)學(xué)圖像處理領(lǐng)域的兩個關(guān)鍵研究方向作了深刻的理論分析和應(yīng)用算法研究。本學(xué)位論文取得的創(chuàng)新研究成果包括：
　　(1)提出了擴(kuò)散 kurtosis張量重建的新算法。目前的 kurtosis成像技術(shù)通常需要采集數(shù)百張核磁共振圖像進(jìn)行擴(kuò)散kurtosis成像。過多的核磁共振檢測不利于對人腦疾病的臨床檢查。而本文提出的算法能用帶有噪聲的75個方向或更少的核

6、磁共振圖像準(zhǔn)確地重建出kurtosis張量。本文的算法是基于多維信號的子空間學(xué)習(xí)的方法，并采用了迭代權(quán)重的方法減少噪聲影響進(jìn)而重建張量模型。這個方法減少了數(shù)據(jù)采集時間，使擴(kuò)散kurtosis成像順利地應(yīng)用在人腦疾病的臨床檢查中。
　　(2)提出了擴(kuò)散kurtosis成像的新算法。該算法主要基于自適應(yīng)球面積分方法計算出kurtosis張量的不變量。自適應(yīng)球面積分是利用了蒙特卡洛算法原理進(jìn)行的一種簡化的球面積分運(yùn)算，其效率比一般的積分

7、算法更高。本算法成功地將蒙特卡洛算法和球面三角形學(xué)結(jié)合在一起，并在與其它擴(kuò)散kurtosis成像算法的對比實驗中得到了噪聲更少的圖像和時間更短的計算過程。
　　(3)提出了一種基于水平集方法(level set method)的交互式圖像分割方法。算法主要貢獻(xiàn)是提出概率水平集并將其應(yīng)用于圖像分割之中。概率水平集是指將水平集構(gòu)造在概率密度函數(shù)上的方法。概率水平集突破了傳統(tǒng)水平集方法進(jìn)行圖像分割技術(shù)的速度慢、受用戶初始輸入影響大、容易