基于水平集和Mumford-Shah模型的醫(yī)學圖像分割.pdf

1、水平集方法是一種描述曲線以曲率相關的速度演化的有力工具。本文研究了水平集曲線的演化方法，對水平集方法的原理進行了比較詳細的闡述，并將其應用于醫(yī)學圖像分割，取得較為滿意的效果。 由于水平集方法是基于圖像的梯度差別對目標物體進行分割，而尿沉渣圖像中的血細胞與其背景相比圖像梯度不明顯，因而使用水平集方法對其進行分割無法獲得滿意結果。本文中所使用的基于水平集的Mumford-Shah模型，是依靠圖像的全局信息，而不是圖像梯度，并且對處理

2、外形復雜、拓撲結構改變的目標具有非常大的優(yōu)勢。這一點對圖像梯度差別不十分明顯，而拓撲結構又比較復雜的醫(yī)學圖像進行分割來說，是十分重要的。本文將該模型應用于尿沉渣圖像中的血細胞的分割，經實驗證明，效果顯著。 由于肺結節(jié)在肺內部早期癥狀是分布十分零散，并且肺結節(jié)的邊緣多呈現(xiàn)為不規(guī)則形狀，這就需要在肺部全局圖像中去尋找肺結節(jié)，并將其盡可能準確地識別出來。而全局分割正是基于水平集的Mumford-Shah模型的強項，但國內外還沒有人將該

3、模型應用于肺結節(jié)的識別，因而本文首次將該模型引入到對肺結節(jié)的識別工作中。但全局分割所產生的運算量卻非常巨大，尤其在處理數(shù)據(jù)量巨大的圖像時，這一點尤為突出。為了減少運算量，縮短運算時間，我們在使用上述模型進行肺結節(jié)識別之前，對圖像進行相應的預處理。通過預處理，增強圖像的對比度，減少肺部的紋理結構對迭代運算的影響，并將肺實質識別出來。經實驗結果可知，所需迭代的次數(shù)大大減少，極大縮短了運算所需時間，對圖像中肺結節(jié)也做出了正確的識別，實驗證明，