醫(yī)學(xué)圖像分割算法研究及在腿部肌肉組織分割中的應(yīng)用.pdf

1、對醫(yī)學(xué)圖像進(jìn)行分割是計算機(jī)輔助診斷治療中一項(xiàng)重要的工作，也是醫(yī)學(xué)圖像處理和分析中一個重要的領(lǐng)域。本論文主要是對肌肉組織分割問題的研究和探討。圖像分割是從圖像分析到圖像處理的一個很關(guān)鍵步驟。目前隨著醫(yī)學(xué)成像技術(shù)的不斷改進(jìn)和提高，獲取的醫(yī)學(xué)圖像質(zhì)量、分辨率、包含的細(xì)節(jié)都在不斷提高，對于傳統(tǒng)的分割算法來說需要的時間也隨之增加，這就促使分割算法通用性的降低。如何在醫(yī)學(xué)圖像中高效精確的分割出感興趣器官已經(jīng)成為一個前沿而又重要的研究領(lǐng)域。
　

2、　 本文是對醫(yī)學(xué)圖像分割的深入研究和腿部切片圖像的實(shí)際分析后，而設(shè)計的一種肌肉組織的分割方法。因此，針對肌肉組織的分割。主要工作如下：⑴基于水平集分割算法的研究。簡述了Li水平集模型和C-V水平集模型的基本原理，分別對兩種模型進(jìn)行研究，分析兩者的優(yōu)缺點(diǎn)，并結(jié)合本文待分割的腿部圖像特征，提出了改進(jìn)方法。⑵基于EM期望最大化算法的聚類研究。介紹了EM算法和高斯混合模型的概念。通過引入Mean Shift算法來初始化EM參數(shù)，以便對高斯混合