基于改進(jìn)幾何可變模型的醫(yī)學(xué)圖像分割算法研究.pdf

1、醫(yī)學(xué)圖像分割在醫(yī)學(xué)診斷、規(guī)劃、治療中具有十分重要的應(yīng)用價(jià)值。目前，基于偏微分方程理論的可變模型的圖像分割技術(shù)已受到越來越多的研究學(xué)者的高度重視，而且其技術(shù)還在不斷的發(fā)展中。傳統(tǒng)的基于可變模型的分割方法是一種只基于邊界信息的分割方法，就充分利用圖像信息的角度來說有其局限性。作者從融合圖像區(qū)域信息和邊界信息的角度，對(duì)現(xiàn)有幾何可變模型進(jìn)行了改進(jìn)，取得了比較理想的研究結(jié)果。 論文比較詳細(xì)地介紹并分析了可變模型技術(shù)的數(shù)學(xué)理論基礎(chǔ)和各種擴(kuò)展

2、應(yīng)用。在此基礎(chǔ)上提出了一種混合區(qū)域信息和邊界信息的方法——基于融合顏色和強(qiáng)度先驗(yàn)信息的幾何可變模型的醫(yī)學(xué)圖像分割算法。該方法首先借助遺傳算法，從圖像的不同顏色空間中得到對(duì)應(yīng)顏色分量的閾值，然后將這些閾值所代表的先驗(yàn)信息融合到可變模型的速度函數(shù)中，從而得到了改進(jìn)的基于levelset的幾何可變模型。 論文采用臨床骨髓細(xì)胞和乳腺X線圖片進(jìn)行了實(shí)驗(yàn)，并對(duì)分割結(jié)果進(jìn)行了定性和定量分析。結(jié)果表明，相對(duì)于傳統(tǒng)的只利用圖像邊界信息的可變模型，