醫(yī)學(xué)圖像分割算法研究及其在心臟分割中的應(yīng)用.pdf

1、醫(yī)學(xué)影像分割是計算機(jī)輔助診斷和治療計劃制訂中一項(xiàng)非常重要的工作,是醫(yī)學(xué)圖像處理與分析的一個重要領(lǐng)域,同時也是計算機(jī)輔助診斷與治療的基礎(chǔ)。所謂圖像分割就是根據(jù)某種均勻性或一致性的原則將圖像分成若干個有意義的部分,使得每部分都符合某種一致性的要求。近年來隨著醫(yī)學(xué)影像獲取技術(shù)的不斷提高,圖像的質(zhì)量越來越好,分辨率越來越高,細(xì)節(jié)越來越復(fù)雜,使得傳統(tǒng)分割算法所需要的時間越來越多,通用性也越來越差。如何高效而又精確的在圖像中分割出感興趣的器官成為國

2、際上一個重要且前沿的研究課題。據(jù)世界衛(wèi)生組織統(tǒng)計,心血管疾病已經(jīng)成為全世界造成人類非意外死亡的第一大殺手。因此,對心血管疾病的早期診斷和治療變得非常重要。近年來,國際上出現(xiàn)了許多針對人類心臟中某些解剖結(jié)構(gòu)的分割算法,最為常見的便是針對心房、心室的分割。但是對于計算機(jī)輔助診斷、治療和醫(yī)生的實(shí)際需要,常常需要將整個心臟分割出來。這項(xiàng)工作非常具有挑戰(zhàn)性,一方面心臟的解剖結(jié)構(gòu)非常復(fù)雜,包含心房、心室、冠狀動脈、血管、心包以及瓣膜等結(jié)構(gòu);另一方面

3、心臟的持續(xù)跳動使獲得醫(yī)學(xué)影像具有變化的相位特性,難以定位和分割。由于醫(yī)學(xué)影像的成像原理,心房、心室在醫(yī)學(xué)影像中非常明顯,很容易識別和分割;而心肌等結(jié)構(gòu)則與周圍組織在圖像灰度上非常接近,并且存在粘連,從而造成了分割的困難。國際上全心臟分割算法還比較少,也比較不成熟,本課題就是致力于對各種常用分割算法進(jìn)行分析和調(diào)研,研究出一個有效的分割算法,將其應(yīng)用在全心臟分割中實(shí)現(xiàn)對整個心臟的完全分割和心臟組織結(jié)構(gòu)包括心房心室和心肌的自分割,滿足計算機(jī)輔

4、助診斷、治療和醫(yī)生的臨床需求,具有很大的科研和臨床意義。本文的主要工作和創(chuàng)新點(diǎn)如下:1.介紹國際上常用的醫(yī)學(xué)圖像分割算法的研究現(xiàn)狀,并著重介紹了基于期望最大化算法(EM Method)和基于水平集方法(Level Set Method)的分割算法。2.根據(jù)醫(yī)學(xué)圖像分割的特點(diǎn),對期望最大化算法進(jìn)行改進(jìn)和優(yōu)化,并與原始的期望最大化算法做了對比和評價,使之能更好的實(shí)現(xiàn)心臟分割這一研究目標(biāo)。3.提出了基于改進(jìn)的期望最大化算法和帶形狀先驗(yàn)?zāi)Ｐ偷乃?/p>

5、平集方法的混合分割模型,結(jié)合了它們各自的優(yōu)勢,并將其應(yīng)用在醫(yī)學(xué)圖像分割,特別是心臟分割領(lǐng)域中。4.實(shí)現(xiàn)人體心臟CT和MRI圖像的全分割和自解剖結(jié)構(gòu)的分割。在全心臟分割這一分割領(lǐng)域內(nèi)的難點(diǎn)上,我們提出了使用基于優(yōu)化的期望最大化算法和帶形狀先驗(yàn)?zāi)Ｐ偷乃郊旌夏Ｐ?對心臟的CT和MRI圖像進(jìn)行分割。通過在多組試驗(yàn)數(shù)據(jù)上的大量實(shí)驗(yàn),結(jié)合對算法參數(shù)的討論和與金標(biāo)準(zhǔn)的對比分析,并與其他分割方法做了試驗(yàn)對比和評價,驗(yàn)證了算法的魯棒性和精確性,確定了