醫(yī)學圖像中扭曲特征的提取方法研究與實現.pdf

1、顱內腫瘤作為神經外科中最為嚴重的疾病，它會擠壓或破壞顱內其它正常組織，從而危及患者的生命。醫(yī)學圖像處理技術能夠幫助計算機進行顱內腫瘤的自動分割，這極大的減少了人工投入所需時間以及可能產生的主觀偏差。因此通過計算機技術輔助醫(yī)生進行顱內腫瘤的研究和分割具有重要的意義。但是在目前的顱內腫瘤自動分割系統(tǒng)中，輸入的特征一般都只是圖像中的灰度值或者邊緣等特征，這些特征并不能很好的反應出顱內腫瘤的位置，所以這些自動分割系統(tǒng)的精度往往達不到醫(yī)生所期待的

2、要求，這也是目前顱內腫瘤自動分割系統(tǒng)中遭遇的最大瓶頸。本文針對上述問題，提出了一種扭曲特征提取算法，該算法提取出的扭曲特征能更好的反應出腫瘤所在位置。
　　論文主要工作與貢獻如下：
　　首先本文研究了顱內腫瘤和顱內正常組織之間存在的關系，發(fā)現顱內腫瘤會對正常組織進行擠壓，而正常組織因為受到擠壓會向反方向產生相應形變和位移。因此本文聯想到使用顱內正常組織的變形信息來間接反應出腫瘤所在的位置。
　　在此基礎上，本文提出了一

3、種扭曲特征提取算法，該算法能定量地獲取出顱內正常組織的變形信息，并將變形信息轉換為可用于顱內腫瘤自動分割系統(tǒng)中的扭曲特征。該算法主要包括三個步驟，提取顱內組織形狀，獲取三維控制點對以及變形建模和特征提取。這三步的主要任務分別是從核磁共振圖像中提取顱內組織的形狀，從動態(tài)創(chuàng)建的模板組織和變形組織上獲取三維控制點對，以及根據三維控制點對進行變形建模和最終的特征提取。
　　最后本文分別使用了模式識別中監(jiān)督型的分割方法人工神經網絡和支持向量