--关于基于模糊聚类算法的医学图像分割-

《--关于基于模糊聚类算法的医学图像分割-》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、关于基于模糊聚类算法的医学图像分割图像分割是图像分析和处理的关键步骤,医学图像分割是图像分割的一个重要应用领域。本文讨论了医学图像分割的目的和意义,对医学图像分割的常用技术进行了研究。和图像有关的技术统称为图像科学与技术，它涉及到多个相关学科，例如光学、数字信号处理、计算机科学、机器视觉、统计学、物理学等，形成了一个飞速发展的交叉学科[2][3]。特别是随着计算机技术的发展，图像科学与技术得到了极大的重视和长足的进展，出现了许多有关的新理论、新方法、新装置，并且在科学研究、工业生产、医疗卫生、教育、娱乐等领域得到了广泛的应用，为社会发展、提高人类的生活

2、水平起到了重要的作用。近年来，由于信息高速公路、数字地球概念的提出以及互联网的广泛应用，图像科学与技术的需求与日倍增。数字图像以其信息量大、传输速度快、作用距离远等一系列优点成为人类获取信息的重要和利用信息的重要手段。目前，图像科学与技术向其他学科渗透并为其他学科所利用，在信息社会中无论是理论上还是实践上都具有巨大的研究价值和应用前景。在医学领域中，医学影像已成为现代医学诊断和治疗最重要的技术手段之一，可以使医生对人体解剖结构及功能的认识更加全面，已经广泛应用于医疗诊断、治疗、术前计划和术后监测各个环节中。随着医学图像的种类和数量的与日俱增，计算机自动

3、分析医学图像已成为医学影像中最重要的研究内容和热点问题。目前，医学图像处理和分析已经形成一个完整的科学体系结构，从图像处理到计算机视觉这个连续的过程中，可以简单的分为三种典型的图像技术，即低级、中级和高级处理。其中，低级处理用于医学图像的获取和低级操作。例如降低图像噪声的预处理，输入的是医学图像，输出的还是医学图像。中级处理涉及到图像分割、对图像中目标物的描述和分类识别。中级图像处理输入的是医学图像，输出的是医学图像中获取的特征。高级图像处理通过特征分析得到对感兴趣目标的总体理解，和人的视觉感知类似。医学图像分割类似于人眼对客观世界中不同对象进行分类的

4、过程，它从图像中把相关的结构（或感兴趣区）分离出来，是图像分析与识别首要解决的问题，也是制约医学图像处理中其它相关技术发展和应用的瓶颈。所以，医学图像分割是一种重要的图像处理技术，是自动图像模式识别、场景分析和理解的一个至关重要的处理步骤，是从低层次图像处理到高层次图像理解的桥梁[4-6]。可以说，如果没有好的医学图像分割方法，人们就无法利用计算机对医学图像进行自动分析，高层次的图像理解更是无法实现。因此，医学图像分割得到了广泛的重视和研究，一直都是医学影像学研究中最为热点的问题之一。图像分割在不同学科领域中还有其他名称，例如目标检测、边界提取、目标识

5、别和运动跟踪等，这些技术的本质也是图像分割[3-6]。医学图像分割的重要意义在临床上具体表现在以下几个方面[7-13]：(1)医学图像分割是图像后继处理，特别是图像分析和理解的必备前提条件，如不同医疗设备的图像的配准、融合、识别。这些技术极大的扩展了医生对医学图像的利用能力。(2)可用于临床医学应用系统中，例如医学图像的3D重建、外科手术方案的制定和仿真、病理研究、解剖参考以及放疗计划中的3D定位等。这些系统极大的丰富了医生的诊断和治疗手段，受到病人的欢迎。(3)可用于对医学图像进行定量分析，例如测量人体器官、组织或病灶的体积、血管的曲率和半径。通过在

6、治疗前后对这些参数进行定量测量和分析，可以帮助医生进行定量化诊断、预后评估、制定或修改对病人的治疗方案以及对药物疗效的评估。(4)医学图像分割的结果可以在不丢失有用信息的前提下对医学图像进行数据压缩和传输，降低了传输的数据量，这对开发PACS系统、研究远程医疗和提高互联网中的图像传输速度至关重要。(5)医学图像分割也是人类视觉研究的一个重要方面，通过研究分割方法可以加深对视觉本质的理解，对相关学科的发展，如计算机视觉，图形学都有很大的促进作用。近年来，大量的研究者投入到医学图像分割方法的研究中，但是分割研究仍然处于初级阶段。目前提出的算法虽然很多，但局

7、限性很大，医学图像分割仍然是一个非常困难的任务[14-16]。从理论上看，医学图像分割是一个信息不足的不适定问题，经典的数学方法求解这类问题很困难，无法利用数学模型来简单的描述，而且人们分割的目标也不尽相同。从实践上看，医学图像常表现为对比度低，组织器官的可变性复杂、不同软组织之间或软组织与病灶之间的边界模糊、形状结构和微细结构（血管、神经）分布复杂、同时不同人的器官形状和特征有较大的差异。此外，不同模态的图像因成像原理不同具有各自的特点。由于成像设备的场偏移效应、患者体位的移动、以及感兴趣区域的解剖结构形状的复杂性和易变性,使得解剖结构的边界变得不明

8、确和不连续。同时由于医学图像采样数据量很大，采样伪影、局部体效应、空间混叠等因素使图像中存在许