基于配准的颅脑ct图像分割的研究

《基于配准的颅脑ct图像分割的研究》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、摘要高分辨率、大容量的医学图像数据为临床诊断提供了有力的辅助工具，同时它也增加了读片医生的工作负担。在此背景下，开展计算机辅助诊断的研究，已经成为了医学图像处理与分析领域的热点和将来发展的主要方向。本文以颅脑CT图像病变自动化检出为研究目标，以颅脑CT图像的配准和分割为研究切入点，对相关技术进行了深入研究，并且取得了一些成果，为实现颅脑病变自动化检出做好前期准备。非刚性配准不仅是病变自动检出的关键技术，也是统计图谱创建的必要步骤。其中Demons算法是一种在准确度评价中很优秀的非刚性配准算法，但它是基于光流场小形变模型的配准算法，在大形

2、变情况下不具有拓扑保持性，将它用于异体颅脑CT图像配准时效果不理想。为此，本研究对它进行了改进。首先建立Demons算法目标能量函数，将形变场求解转化为目标函数优化问题；然后通过增加sKL距离作为正则项来优化目标函数，消除了形变场的不适定性，并使形变场更加光滑。对高分辨率颅脑CT图像的实验结果表明，改进算法不仅能够处理大形变问题，还能在处理大形变时通过光滑的形变场得到精确的配准结果。在上述改进的配准算法基础上，本文通过模仿人工分割过程，提出了一种基于配准的颅脑CT自动分割算法，其目标是将脑灰质、脑白质和脑脊液完整的分割出来。本算法首先采

3、用中值滤波和模糊C．均值聚类对参考图像进行预分割，再利用解剖知识对其进行手动修『E，得到先验的分割图谱，以此图谱指导后面的分割工作。分割算法实现过程如下，首先将待分割图像向参考图像配准，然后利用先验图谱对配准结果进行掩模分割，再逆映射此分割结果就得到了原图像的分割结果，实验中又采用聚类分割和数学形态学方法对最后结果进行了完善。实验结果表明，此算法虽然有些局限，但具有可行性。本论文的工作得到了国家自然科学基会项目(60771007)的资助。关键词：病变自动化检出非刚性配准Demons算法拓扑保持性颅脑CT图像图像分割AbstractWhi

4、lemedicalimagesofhighresolutionandhi曲capacityprovidapowerfultoolforclinicaldiagnosis，italsoincreasestheworkloadofradiologist．Inthiscontext，ComputerAidedDiagnosishasbecomethemajorchallengeandmaindirectioninthefieldofmedicalimagingprocessingandanalysis．Withthegoalofpatholo

5、gyautomaticdetectiononthecerebralComputedTomography,wehavemadeain-depthstudyontheregistrationandsegmentationoftheCTcerebralimages．WemadesomeSuCcess，whichdopreparationsforthetargetofrealizingpathologyautomaticdetection．Non．rigidregistrationisnotonlythekeytechnologyforther

6、ealizationofpathologyautomaticdetection，butalsothenecessarystepofconstructingthedeformationatlasofthenormalbrainanatomy．Demonsalgorithmisaaccuratenon．rigidregistrationalgorithm，butitisderivedbyassumingsmalldeformations．SooneofthelimitationsoftheoriginalDemonsisthatitcann

7、otproducetopologypreservingmapsforthelargedeformations．Aimingtosolvethisproblem，animprovedDemonsalgorithmwasproposedinthispaper．First，theequationofforceintheoriginalDemonswasregardedastheresultofminimizingtheenergyfunction．Then，Demonsalgorithmwasimprovedbyaddingaregulari

8、zationtermintothefunction．ThesymmetricKullback-Leibler(sKL)distanceininformationtheorywasusedastheregul