基于Grouping Bandlet的超聲醫(yī)學(xué)圖像分割與應(yīng)用.pdf

1、汕頭大學(xué)碩士學(xué)位論文題目基于GroupingBlet的超聲醫(yī)學(xué)圖像分割與應(yīng)用英文題目SegmentationofUltrasoundImageitsApplicationBasedonGroupingBlet姓名鄭柏泠學(xué)號(hào)10809018所在學(xué)院所在學(xué)院工學(xué)院導(dǎo)師姓名導(dǎo)師姓名沈民奮專業(yè)通信與信息系統(tǒng)通信與信息系統(tǒng)入學(xué)時(shí)間入學(xué)時(shí)間2008年9月答辯日期答辯日期2011年5月I摘要近年來，癌癥死亡率在全球范圍內(nèi)不斷增長，比如，乳腺癌已成為威

2、脅婦女健康的頭號(hào)殺手，且趨于年輕化，特別是在歐洲和北美地區(qū)。事實(shí)上，大多數(shù)的癌癥是可以在早期被檢查出并通過簡單而費(fèi)用低的治療方法治愈。而準(zhǔn)確的病灶分割則是癌癥早期檢測和診斷的關(guān)鍵。超聲成像由于其獨(dú)具的實(shí)時(shí)性、無損性、廉價(jià)性、可重復(fù)性好、靈敏度高等優(yōu)勢而廣泛應(yīng)用于癌癥的診斷和治療中，它在人體內(nèi)部組織的定量分析、實(shí)時(shí)監(jiān)控和治療規(guī)劃等方面都具有極大的潛力。但是由于醫(yī)學(xué)超聲圖像本身固有的斑點(diǎn)噪聲以及組織間的紋理特性差異，導(dǎo)致腫瘤病灶的超聲圖像分

3、割一直以來都是國內(nèi)外醫(yī)學(xué)影像研究人員渴望攻克的世界性難題之一。針對這一現(xiàn)狀，本文在深入調(diào)研當(dāng)前病灶超聲圖像分割的研究現(xiàn)狀以及超聲成像機(jī)制的基礎(chǔ)上，改進(jìn)或提出適用于腫瘤病灶超聲圖像分割的處理方法，并對所提出的方法進(jìn)行了理論和實(shí)驗(yàn)兩方面的驗(yàn)證。本文首先對腫瘤病灶的超聲圖像分割的產(chǎn)生背景、目的、發(fā)展現(xiàn)狀等方面進(jìn)行了較全面的綜述；并對醫(yī)學(xué)超聲診斷以及超聲成像原理進(jìn)行了概述。在此基礎(chǔ)上，針對非線性相干模型（NCD）存在的不穩(wěn)定性問題，通過引入無監(jiān)

4、督分類算法，重點(diǎn)提出了自適應(yīng)非線性相干增強(qiáng)模型（AdaptiveNonlinearCoherentDiffusion，ANCD），有效地解決了非線性相干模型存在的參數(shù)敏感問題，從而提高了算法的健壯性。理論與實(shí)驗(yàn)均表明，其去噪效果顯著提高，而且進(jìn)一步提高了原始NCD模型的自動(dòng)化性能，減少了人工參與，更重要的是在圖像處理效果上更加清晰，視覺效果上更優(yōu)，更有真實(shí)感。其次，針對GroupingBlet所存在的固有問題，通過引入離散小波包框架（D

5、WPF），提出了DWPFGroupingBlet方法，解決了原始GroupingBlet無法進(jìn)一步分析圖像的中頻信息問題以及確保了對圖像描述的平移不變性問題。之后，在深入研究當(dāng)前超聲腫瘤病灶圖像分割現(xiàn)狀的基礎(chǔ)上，提出了綜合采用DWPFGroupingBlet、ISNE以及SVM等一系列技術(shù)實(shí)現(xiàn)對超聲圖像病灶腫瘤的邊緣提取算法。仿真和臨床試驗(yàn)均表明，本文提出的分割方法不僅具有良好的抗噪性能，而且捕獲幾何特征能力強(qiáng)，通過與當(dāng)前主流的幾種算法