基于活动轮廓模型的医学序列图像分割研究

《基于活动轮廓模型的医学序列图像分割研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＯＦＣＨＩＮＡ专业学位硕士学位论文ＩＭＡＳＴＥＲＴＨＥＳＩＳＦＯＲＰＲＯＦＥＳＳＯＮＡＬＤＥＧＲＥＥ论文题目基于活动轮廓模型的医学序列图像分割研究专业学位类别工程硕士学号２０１３５１０２０１１４作者姓名游传政指导教师李朝海正高级工程师分类号密级注1UDC学位论文基于活动轮廓模型的医学序列图像分割研究（题名和副题名）游传政（作者姓名）指导教师李朝海正高级工程师

2、电子科技大学成都黄臣程博士自贡兴达电子公司自贡（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称电子与通信工程提交论文日期2017年10月8日论文答辩日期2017年11月20日学位授予单位和日期电子科技大学2017年12月26日答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。THESEGMENTATIONOFMEDICALIMAGESEQUENCESBASEDONACTIVECONTOURMODELAMasterThesisSubmittedtoUnivers

3、ityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:YouChuanzhengAdvisor:LiChaohaiSchool:SchoolofElectronicEngineering摘要摘要随着计算机运用的增加，计算机处理能力得到显著的提升，数字图像获取技术也得到了很大的发展，在这样的条件下，越来越多的人关注图像处理技术。为了为医生的治疗与诊断提供辅助作用，医学图像分析也受到了很大的发展。医学图像分

4、析是一门复杂的学科技术，无论是数据获取和图像分割，还是图像配准、三维可视化等都属于医学图像分析的范畴。在医学图像分析中，图像分割的作用是很明显的。作为一种分析方法，图像分割能够定量分析特定组织，也是辅助医生进行定性分析的重要工具。因此，图像分割是提高医学图像的可识别性、对组织进行三维测量，能够协助医生诊断病灶，能够为医生治疗相关疾病提供一定的辅助。和普通图像相比，医学图像是比较模糊的，也不均匀。另外，使用医学核磁共振成像技术获得的图像质量受到很多因素的影响，无论是图像的空间分辨率、影像对比度，还

5、是图像的信噪比和检查的条件等都会对图像的质量产生一定的影响。所以，无法准确地分割医学图像。对于医学序列图像的分割而言，图像分割模型的计算效率也是制约其广泛应用的障碍之一。为此，本文基于图像分割的活动轮廓模型，在对活动轮廓模型特点进行分析的基础上，对医学序列图像分割的应用中存在的一些问题进行了研究。本文通过医学序列图像进行分析，提出了一个基于序列图像空间信息相关性的活动轮廓模型。首先，利用了相邻两张医学切片图之间组织的相似性特点建立模型，能够有效地搜索到切片间相似组织的边缘；其次，在水平集函数的初

6、始化方面，我们选取上一张切片的分割结果作为当前切片的初始水平集函数，从而避免了曲线的无效演化，大大减小了计算时间；针对含有噪声的序列图像，本文对源图像进行局部鲁棒性统计处理后，作为新的输入图像进行分割；最后，我们利用水平集方法和数值化方法对本文提出的医学序列图像分割模型进行了模拟实验。实验结果表明，相较于传统的方法，本文提出的算法能够实现对医学序列图像准确、高效地分割，并对噪声有很好的鲁棒性。关键词：医学序列图像，图像分割，活动轮廓模型，水平集，空间相关性IABSTRACTABSTRACTWit

7、htheimprovementofcomputerprocessingabilityandtherapiddevelopmentofdigitalimageacquisitiontechnology.Imageprocessingtechnologyhasalsoattractedwidespreadattention.Medicalimageanalysisisanimportantmethodtoassistdoctorsinthediagnosisandtreatment,andithas

8、alsobeengreatlydeveloped.Themaincontentsofmedicalimageanalysisincludedataacquisition,imagesegmentation,imageregistration,3Dvisualizationandsoon.Amongthem,imagesegmentationplaysaveryimportantroleinmedicalimageanalysis.Imagesegmentationisanimportantmea