基于Snake模型的醫(yī)學(xué)序列圖像輪廓提取及應(yīng)用研究.pdf

1、隨著計算機技術(shù)的快速發(fā)展和影像醫(yī)學(xué)在臨床診斷中的成功應(yīng)用，計算機醫(yī)學(xué)圖像在臨床診斷和治療中起著越來越重要的作用。輪廓提取和區(qū)域分割是獲取醫(yī)學(xué)圖像中特殊組織定量信息的一個不可缺少的手段，是進行圖像理解和識別的基礎(chǔ)，同時也是醫(yī)學(xué)可視化的重要前提。醫(yī)學(xué)圖像本身的模糊性、復(fù)雜性和多樣性使得常規(guī)的邊緣檢測算子得到的邊緣不連續(xù)，使得傳統(tǒng)的圖像分割技術(shù)在弱邊緣處容易帶來分割的不精確，人們無法很好地提取出醫(yī)學(xué)圖像中的目標(biāo)輪廓線。因此，研究如何對醫(yī)學(xué)圖像

2、中的感興趣區(qū)域進行準(zhǔn)確的輪廓提取和區(qū)域分割是本文工作的出發(fā)點。 本文的研究目標(biāo)是提出更加準(zhǔn)確而快速的醫(yī)學(xué)圖像輪廓提取和分割方法，用以提高醫(yī)學(xué)圖像三維可視化、測量及感興趣區(qū)域識別的精度，更好地輔助醫(yī)學(xué)研究和臨床診斷。 本文首先研究了醫(yī)學(xué)圖像的成像原理等基礎(chǔ)知識，圖像分割領(lǐng)域中目前已經(jīng)成熟的和正在探索中的主流方法和技術(shù)的基本原理，歸納了它們各自的適用范圍以及優(yōu)缺點，然后詳細(xì)地分析了經(jīng)典分割方法——主動輪廓模型(Snake)的

3、原理，總結(jié)了多種Snake模型的特點。在此基礎(chǔ)上，結(jié)合醫(yī)學(xué)斷層圖像的特性從數(shù)學(xué)幾何和人工智能的角度提出改進的Snake模型算法。在該模型算法中，提出了基于所有控制點的重心和相鄰三個控制點內(nèi)切圓圓心的內(nèi)部能量函數(shù)，使曲線更好地收縮到凹陷區(qū)域；使用摒棄虛假點的方法設(shè)計新的離散型外部能量函數(shù)，更有效地指引Snake輪廓線運動到真實邊界；基于最大梯度值設(shè)計了動態(tài)選擇控制點算法，提高了收斂效率。最后從定性定量兩個角度分析算法的優(yōu)劣性。 同