核磁共振圖像分割與運動分析若干技術研究.pdf

1、醫(yī)學圖像處理的主要研究方向有圖像分割、圖像配準、結構分析、運動分析等，而其中醫(yī)學圖像分割的研究具有重要意義。由于醫(yī)學圖像具有復雜性和多樣性，成像質量受到醫(yī)學影像設備成像技術的影響，醫(yī)學圖像具有局部邊緣模糊、存在噪聲、區(qū)域灰度不一致性等特點，使得醫(yī)學圖像分割更加困難。目前，人們在繼續(xù)關注對醫(yī)學圖像進行自動分割的同時，對交互式分割方法的研究也成了醫(yī)學圖像分割的研究重點。本文對交互式live wrie、Intelligent Scissors

2、模型、參數活動輪廓模型、幾何活動輪廓模型進行了分析；對可形變模型在心臟核磁共振圖像中的分割進行了研究；對光流技術理論模型進行了分析，并用光流技術對心臟運動進行評估方面進行了研究。 分析了交互式圖像分割的兩種方法，即live wire方法及Intelligent Scissors（IS）方法，并指出了這兩種方法在分割圖像時存在運算速度慢、操作復雜的缺陷。 傳統(tǒng)的Snake模型分割圖像時，要求初始輪廓線設置在感興趣區(qū)域的邊界

3、附近，曲線在變形過程中難以分割深度凹陷區(qū)域。本文在分析參數活動輪廓模型及其改進模型的基礎上，提出了基于距離均衡化的自適應動態(tài)輪廓模型。通過頂點到其鄰點的平均距離作為Snake模型的彎曲力，通過圖像自身的特征構造的膨脹力，使得該模型具有自適應能力，同時提出了距離均衡化的概念；對改進后模型的穩(wěn)定性、光滑性及處理畸變物體的凹陷區(qū)域進行了深入分析。用該模型分割心臟MRI圖像時，取得了較好的效果。 根據心臟MR圖像的特點，提出了先對心臟M

4、R圖像進行K均值聚類，把K均值聚類后的圖像作為特征圖像，在特征上用Song and Chan提出的快速分割方法進行粗分割，再用粗分割的曲線作為水平集的初始曲線，在心臟MR圖像上用Chan和Vese方法進行細分割；同時對Chan和Vese提出的簡化化Mumford-Shah模型進行了改進，使得每次迭代中對能量函數的優(yōu)化更具有全局性，大幅度減少迭代次數，并對Song和Chan快速算法中掃描圖像的區(qū)域也進行了改進，兩方面的改進提高了計算速度和

5、分割效果。分割實驗證明，該方法能夠快速、準確地分割心臟MR工圖像。 針對左心室外輪廓類似橢圓的特點，提出了基于先驗形狀信息的水平集模型。該模型在Chan-Vese模型的基礎上增加橢圓形狀約束項，來控制曲線的演化，將水平集的演化曲線作為對輪廓新的位置預測，并用橢圓對預測結果進行修正，把預測結果和修正結果分別作為新的水平集曲線和形狀信息。實驗表明，這種將橢圓形狀約束引入水平集模型的先驗形狀信息的水平集模型對心臟外輪廓的分割是有效的，

6、非常適合分割象心臟這一類醫(yī)學圖像。 在分析帶標記線的心臟MRI特點的基礎上，提出了利用Gabor濾波和先驗形狀的水平集模型相結合對帶標記線的心臟MR圖像進行分割的方法。該方法通過對帶標記 線的心臟MR圖像進行Gabor變換，把標記線分離出來，并且擴大心肌和血液之間的差異，再對變換后的圖像用先驗形狀的水平集模型進行分割。實驗結果表明，該方法能夠有效地分割帶標記線的心臟MR圖像。 在對幾種典型的光流技術的理論模型和它們

7、的性能進行了深入的分析與討論的基礎上，提出了基于二階微分技術的光流估計方法。該方法在光流基本方程的基礎上用二階微分技術作為附加約束條件來求解光流，并用合成圖像進行了驗證，結果表明該方法取得了較好的效果。 在分析心臟運動特點的基礎上，提出了采用光流方法估計心臟運動的基本思路。然后，再從經過前人評價的光流計算方法中，選取兩種比較好的方法（Lucas and Kanade與Fleet and Jepson的方法），各取其長處進行融合，

8、提出了一種基于Gabor濾波的相位圖像光流估計方法。這種方法聯合Gabor濾波器和加權最小二乘法估計序列圖像的光流。Gabor濾波器對圖像進行不同方向的濾波，每一幅濾波圖像滿足光流基本方程，為了獲得較為精確的光流，用加權最小二乘法來進行光流估計。首先，用Gabor濾波器對序列圖像進行時空濾波，并計算出他們的空間和時間相位梯度。然后，再用加權最小二乘法來估計序列圖像的光流。實驗結果表明該方法具有計算精度高、易于實現等優(yōu)點，能較好地給出運動