基于圖割和ASM的心臟圖像分割研究.pdf

1、當下國內(nèi)外的心臟病發(fā)病率逐漸上升，心臟健康話題不容忽視。超聲診斷憑借無損、無電離輻射、無痛、廉價、實時等優(yōu)點，成為了現(xiàn)代臨床醫(yī)學中必不可少的影像診斷技術(shù)之一。但由于超聲的固有特性，超聲圖像包含大量斑點等噪聲，給圖像處理、病情診斷與定量分析等步驟增加了難度，醫(yī)學圖像處理越加重要，而首要步驟之一便是圖像分割。
　　本文主要研究、實現(xiàn)了圖割算法與主動形狀模型對心臟磁共振圖像、超聲圖像的分割，并在良好的分割結(jié)果基礎上進行了實驗結(jié)果的研究和

2、分析。
　　圖割算法基于圖論，它首先構(gòu)建能量函數(shù)，構(gòu)建s-t網(wǎng)絡，通過解決能量函數(shù)最小化問題得到分割結(jié)果。經(jīng)過理論研究和實驗分析，并結(jié)合本文設計的后續(xù)圖像處理方法發(fā)現(xiàn)，對磁共振成像的心臟圖像分割效果良好，但卻非常不適合超聲圖像的分割。為使實驗更加嚴謹，本文增加了針對超聲圖像的預處理，分割結(jié)果有所改進，但仍不理想。
　　主動形狀模型則主要應用于動態(tài)識別、人臉識別、手型分割等方面，應用于超聲圖像還較少。它主要通過訓練融入先驗知識

3、，得到初始模型，再進行匹配，迭代更新參數(shù)來尋找到待分割區(qū)域的具體位置。改進的主動形狀模型可直接使用臨床超聲圖像，無需預處理等步驟，最大程度地保留原始圖像的信息，切近實際應用。本文以對主動形狀模型的研究為理論基礎，繼而進行實驗和改進，此算法適合于超聲心臟圖像分割，獲得了很好的分割結(jié)果。相比于圖割，主動形狀模型非常適合心臟超聲影像的處理。
　　本文進行了充足的實驗后發(fā)現(xiàn)，采集連續(xù)的幾個心動周期的心臟超聲圖像，研究分析驗證了心臟健康者心