基于gvfsnake模型之医学图像分割技术研究

《基于gvfsnake模型之医学图像分割技术研究》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、基于GVFSnake模型之医学图像分割技术研究-->第一章绪论1.1课题研究的意义和背景上世纪80年代以来，随着计算机技术的普及以及在临床医学中的广泛应用，医学图像处理技术也得到了长足的进步。医学图像能反映人体组织各个器官形态功能和病变等重要信息，具有直观、形象和信息丰富以及便于观测和理解等特点。如今，X光成像(X-ray简称X光)、计算机断层扫描(putedTomography简称CT)、正电子发射型计算机断层扫描(PositronEmissionputedTomography简称PET)、数

2、字减影血管造影（DigitalSubtractionAngiography简称DSA)、B型超声波成像（BrightnessModulationMode简称B超）、磁共振技术(MagicResonanceImaging简称MRI)等均为重要的医学图像成像技术⑴　　基于GVFSnake模型之医学图像分割技术研究-->第一章绪论1.1课题研究的意义和背景上世纪80年代以来，随着计算机技术的普及以及在临床医学中的广泛应用，医学图像处理技术也得到了长足的进步。医学图像能反映人体组织各个器官形态功能和病变

3、等重要信息，具有直观、形象和信息丰富以及便于观测和理解等特点。如今，X光成像(X-ray简称X光)、计算机断层扫描(putedTomography简称CT)、正电子发射型计算机断层扫描(PositronEmissionputedTomography简称PET)、数字减影血管造影（DigitalSubtractionAngiography简称DSA)、B型超声波成像（BrightnessModulationMode简称B超）、磁共振技术(MagicResonanceImaging简称MRI)等均为

4、重要的医学图像成像技术⑴。这些成像方式都可以各有侧重的用来反映人体器官的复杂信息，大大提高医疗诊断水平，医学影像已成为现代医学诊断和治疗的最重要的技术手段之一。目前在医疗诊断、治疗、术前计划和术后监测各个环节中应用相当广泛。随着计算机技术的飞速发展，计算机图形学加速了医学影像的进步。在这个意义上，医学成像技术已成为医学研究领域的热点研究技术。随着医学成像技术在临床诊断及治疗上的指导作用愈加突出，医学图像分割技术逐步成为医学图像研究学科中具有重要性与应用性的研究领域——从B型超声波成像、计算机断层

5、扫描、数字减影血管造影、磁共振技术等模式釆集的医学成像中，利用计算机技术获取局部人体结构的相关诊断信息。先进的医学成像设备虽然已经提供了对局部人体结构的图像反映，但是如何应用计算机辅助技术对医学图像采取高精度的目标提取，进行多尺度的量化和提出综合性的分析结果，仍然是重要的命题。……………1.2医学图像分割方法的研究现状图像分割技术包含有许多种方法，其分类也包含多种，但至今并没有形成一种通用的算法，通常是按照具体应用，提出选择合适的算法。图像分割最早是完全由人工完成的，这种方法是在医学设备采集成像

6、的基础上，由医师直接勾画目标区域的边缘[3]。人工分割方法费时费力，分割结果的准确性完全取决于职业医师的水平，分割结果因人而异，即使在同等环境下分割结果也会有所不同，导致诊断结果出入较大。随着信息技术的快速发展，出现了半自动的图像分割方法，从而实现了交互式的医学图像分割，对医师的经验与信息技术进行了融合[4]。半自动的分割方法具有快速、高效、精确的特点，使得分割结果中人的影响因素大幅度的下降，可重复性的加强使得分割结果更加稳定，但医师的水平依然在图像分割全过程占据一定比重。近年来，随着多项新技术

7、的广泛应用，图像分割技术趋向于自动化，这样就完全消除图像分割过程中人的影响因素，由计算机辅助工具全程进行医学图像分割[5]。研究人员提出了多种多样的图像分割算法，并且与新兴学科相关技术进行有机结合。目前可用的图像分割方法种类繁多，大致分为以下几种类别：基于阈值的分割方法、基于边缘的分割方法、基于区域的分割方法、基于数学形态学的分割方法、基于活动轮廓模型的分割方法等。基于阈值的分割方法的基本原理是通过选取适当的灰度阈值，把图像分割成目标对象与背景两部分有效的区域，大于阈值的为区域甲，小于阈值的为区

8、域乙，从而实现目标对象与背景的分类。基于区域的分割方法主要分析数字图像的局部特征，例如：灰度、纹理、色彩、梯度值等局部特征。基于区域的分割方法包括：区域生长法、区域分裂与合并法等等，优点是对噪声相对不敏感，但是过分割现象常常会在应用中出现，分割的效果依赖于图像本身的局部特征以及种子点的设置。基于边缘的分割方法包括基于一阶导数的分割算法和基于二阶导数的分割算法，如Roberts算子、Sobd算子、Prewitt算子、Laplacian二阶差分算子等，通过图像边缘位置的梯度值的跃阶变化对图像进行分割