基于ct图像的肺实质及roi分割算法研究

基于ct图像的肺实质及roi分割算法研究

ID:34869819

大小:17.06 MB

页数:75页

时间:2019-03-12

基于ct图像的肺实质及roi分割算法研究_第1页
基于ct图像的肺实质及roi分割算法研究_第2页
基于ct图像的肺实质及roi分割算法研究_第3页
基于ct图像的肺实质及roi分割算法研究_第4页
基于ct图像的肺实质及roi分割算法研究_第5页
资源描述:

《基于ct图像的肺实质及roi分割算法研究》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、i永,,w擎臟若咒?;硕±学位论文THE'SISF0民MASTE民SDEGREE论文题目基于CT图像的肺实质及ROI分割算法研究作者黄夏学院中荷生物医学与信息i程学院专业生物医学工程指导教师钱唯教授备注二0—五年六月日'*I分类号密级UDC学位论文基于CT图像的肺实质及民01分割算法研究作者姓名:黄夏指导教师:钱唯教授东北大学中荷生物医学与信息工程学院申请学位级别:硕±学科类别:工学学科专业名称:生物医学工程论文

2、提交日期:2015年5月论文答辩日期:2015年6月学位授予日期:2015年7月答辩委员会主席:马贺巧阅人:巩天星、张翼飞东北大学■*2015年6月AThesisinBiomedicalEngineeringAStudofLunParenchmaand民OIygySementationAloiithmsBasedonComutedggpTomorahImaesgpygBHuanXiaygSupervisorPro亿ssorQianW

3、d,'NcHtheastemUniversityJune2015独创性声明本人声明,所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加标注和致谢的地方外,不包含其他人己经发表。或撰写过的研究成果,也不包括本人为获得其他学位而使用过的材料与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表不谢意。学位论文作者签名;冬藻日期.:八,若'6学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定:即学校

4、有权保留并向国家有关部口或化构送交论文的复印件和磁盎。,允许论文被查阅和借阅本人同意东北大学可W将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后:——半年□年〇年半□两年b/-;学位论文作者签名:《表导师签名;讀取签字日期:签字日期:心皮?--I东北大学硕击学位论文摘要基于CT图像的肺实质及民OI分割算法研究摘要一。随着人们生活水平的提高,肺癌己成为威胁人类健康和死亡率最商的癌症之因此,,对肺癌的早期检测有

5、利于提高肺癌患者的存巧率。然而巾于陵学CT图像数据量—大,若仅仅依赖医生的主观诊断,再加.1.长时间的X作引起的疲劳或其他因素,往往会,导致误诊或漏诊的情况发生,提高医。因此我们需嬰全h幼的检测肺部疾病的方法生的诊断速度和准确性,降低工作强度,而进行准确的肺实质和肺部ROI分割是进行后续处理的前提。肺实质的精确分割是进行肺部CT间像分析和检测肺部疾病的前提,因此本文首先^提出了肺实质精确分割方法。通过基于自适应Otsu的:.值化方法对肺部CT图像进行粗分割,从肺部,初步将肺实质与其他姐织结构分

6、离;运用掩膜圈像对肺实质进行粗提取CT图像中提取出肺实质;基于1£维区域生长的气管去除方法将灰值与肺实质区域相^近的气管树从初始肺实质中分离,自适应的阔值选取有效地避免了^分割现象;基于行as,,连接扫描和SWJomi角点检测的左右肺区分离快速准确地找出粘连区域的特征点特征点形成线段,完成分离;基于自适应二叉树算法的俠速肺轮廓修复,由于部分疾病会导致肺实质轮廓出现凹陷情况,自,,因此本文采用并行的手段适应地修复了缺陷区域却有效保留了肺实质轮廓的正常凹陷。ROI分割算法,应州EM算法得到斯混合模型的最

7、本文提出基于贝叶斯分类的|高|日优参数计算图像像素点的后验概率,基T贝叶斯巧础分类R01区域I背景区域。并且应用了自适应迭代阔值法进行高斯混合模型的参数初始化,为的是避免迭代次数增加,防止EM算法对初始参数的敏感,造成局部最优。本文给出基于EM算法的贝叶斯分类方法获取ROI的分割结果,并对不同的子图大小的分割结果进行了分析。同时,根据肺实质图像灰度直方圏和自适应迭代阀值法迭代的结巧验证了GMM的合理性,并且根据EM参数估计得到的高斯混合模型的最优分布与肺实质灰度直方图拟合情况显乐EM迭化算法能够很

8、好地拟合数据丢失的数据模型。关键词:图像分割;Otsu;H维区域生长:角点检测;GMM;贝叶斯分类--IIAbstt东北大学硕壬学位论文racAStudofLunarenchmaandROISementationAlorithmsygpyg

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。