形變模型技術(shù)研究及其在醫(yī)學(xué)圖像分割中的應(yīng)用.pdf

1、基于形變模型技術(shù)的圖像分割方法,出于既利用了底層的圖像數(shù)據(jù)信息,又結(jié)合了高層的目標(biāo)先驗(yàn)知識(shí),在處理形式多樣、結(jié)構(gòu)復(fù)雜的醫(yī)學(xué)圖像時(shí),顯示出其獨(dú)特的優(yōu)越性和廣泛的適用性。如何進(jìn)一步完善其理論和方法,將該模型推廣應(yīng)用到醫(yī)學(xué)圖像分割領(lǐng)域,是本論文準(zhǔn)備探討的主要內(nèi)容。
　　作者在廣泛調(diào)研基于形變模型的醫(yī)學(xué)圖像分割方法的基礎(chǔ)上,提出了一種新的分類方法,從新的視角對(duì)形變模型技術(shù)進(jìn)行了系統(tǒng)的分類和知識(shí)的梳理。然后詳細(xì)探討了兩類重要的形變模型——主

2、動(dòng)輪廓模型和主動(dòng)形狀模型的基本原理和實(shí)現(xiàn)方法。在此基礎(chǔ)上,針對(duì)醫(yī)學(xué)圖像分割中的具體問題,提出和實(shí)現(xiàn)了幾種改進(jìn)的方法,并在實(shí)際應(yīng)用過程中取得了滿意的效果。本文研究工作的創(chuàng)新性主要表現(xiàn)在以下三個(gè)方面:
　　1) 形變模型技術(shù)的系統(tǒng)分類和知識(shí)梳理。形變模型技術(shù)的研究方興未艾,但是至今沒有一個(gè)統(tǒng)一的分類方法,作者在廣泛調(diào)研相關(guān)工作的基礎(chǔ)上,參照前人提出的分類思想,提出了一種新的分類方法,把形變模型技術(shù)大致分為自由形態(tài)和受限形態(tài)兩類模型,從

3、新的視角對(duì)形變模型技術(shù)進(jìn)行了系統(tǒng)分類和知識(shí)梳理,回顧了形變模型技術(shù)的主要工作及其在醫(yī)學(xué)圖像分割領(lǐng)域中的應(yīng)用,并且在這個(gè)分類框架之下,敘述了各種形變模型的基本表述方式、國(guó)內(nèi)外的主要工作及其典型應(yīng)用,為研究者對(duì)這一領(lǐng)域的總體把握提供了有益的參考。
　　2)主動(dòng)輪廓模型在數(shù)字人切片圖像分割中的應(yīng)用。數(shù)字人切片圖像數(shù)據(jù)量大,相鄰切片圖像在位置和形狀上卻有很大的相似性。傳統(tǒng)的分割方法多是針對(duì)每張切片進(jìn)行單獨(dú)分割,而沒有充分利用這種相似性。作

4、者首先利用經(jīng)過改進(jìn)的彩色空間動(dòng)態(tài)閾值法和形態(tài)學(xué)處理提取切片圖像的定位桿坐標(biāo),在此基礎(chǔ)上對(duì)原始圖像進(jìn)行二位投影變換,從而實(shí)現(xiàn)了數(shù)據(jù)集的配準(zhǔn)。其次根據(jù)配準(zhǔn)后數(shù)據(jù)集相鄰切片目標(biāo)輪廓在位置和形狀上的相似性,利用前層切片分割結(jié)果指導(dǎo)初始化位置和限制搜索空間的主動(dòng)輪廓模型,實(shí)現(xiàn)了配準(zhǔn)后數(shù)據(jù)集的自動(dòng)分割。此方法不僅有效的克服了模型本身存在的對(duì)初始位置敏感的問題，而且加快了分割速度，提高了分割精度。
　　3)點(diǎn)分布模型約束的主動(dòng)輪廓及其在腦MR圖

5、像分割中的應(yīng)用。針對(duì)腦部MR圖像結(jié)構(gòu)復(fù)雜，使用傳統(tǒng)的主動(dòng)輪廓進(jìn)行分割時(shí)，對(duì)初始化位置敏感，且易受非目標(biāo)輪廓干擾，陷入局部極值等問題，提出了利用點(diǎn)分布模型進(jìn)行形狀約束的梯度矢量流主動(dòng)輪廓模型。該方法在訓(xùn)練樣本集的基礎(chǔ)上，建立反映待分割目標(biāo)輪廓先驗(yàn)形狀信息的點(diǎn)分布模型，以模型的均值作為參考初始化主動(dòng)輪廓，并使用模型提供的參數(shù)限制主動(dòng)輪廓運(yùn)動(dòng)過程中的形變范圍，有效地解決了使用傳統(tǒng)主動(dòng)輪廓對(duì)復(fù)雜圖像往往不能收斂到期望形狀的問題。此方法被成功運(yùn)用