植基于k-means及canny為基礎(chǔ)的腦部腫瘤影像切割法

1、植基於K-means及Canny為基礎(chǔ)的腦部腫瘤影像切割法,指導教授:吳明霓學生姓名:劉濠銘、陳益聖、賴志昇,國 立 臺 中 技 術(shù) 學 院,大綱,導論K-meansCanny本文方法未來展望及結(jié)論,1、導論,在臨床醫(yī)學應(yīng)用上，從電腦斷層掃瞄和核磁共振的影像，將器官及腫瘤的輪廓描繪出來。本研究針對電腦斷層頭部掃描圖，以如何正確將腫瘤邊界切割出來作為主要研究。,,從醫(yī)療用電腦輔助影像圖成為醫(yī)生診斷疾病的工具之後，醫(yī)療用圖影像

2、分析及醫(yī)療用影像切割方法就逐年進步。本文最主要的目的： 如何開發(fā)更好的演算法及縮短大量醫(yī)學影像圖片的判定時間。,使用K-means及Canny方法原因,腫瘤像素值與其他部位比較較高，使用K-means將項素值較高部分分群出來。Canny切割沒有方向性且可控制σ ，對腫瘤圖能顯現(xiàn)出較明顯的細節(jié)。,2、參考用的影像處理方式,在此部分我們列出本次研究所使用的影像處理方法，對其方法做簡單介紹及影像套用。(1)K-means

3、分群法(2)Canny邊緣偵測,2-1、K-means 分群法,K-means 群聚方法是將所有的資料群聚分成 K組資料群聚，並找出位於這些群聚中心點位置之群聚技術(shù)。,K-means步驟,1. 假設(shè)有K個群組，找出各群組中的群中心。2. 計算所有資料點到K個群中心之距離，分配所有資料點到距離最近的群中心。3. 將各個群組中所屬的資料點再次重新計算。4. 重複2.跟3.步驟，直到所有資料點不再移動為止。,K-means分群法優(yōu)

4、缺點,優(yōu)點：1.時間複雜度小，能將所有需分群的資料做快速分群動作。 2.可依照研究人員需要改變分群數(shù)。 缺點：分群數(shù)量需要自行設(shè)定，每次做完的分群結(jié)果可能造成不完全相同的情況，產(chǎn)生些微誤差。,K-means範例圖,(a)為腫瘤影像，(b)則為(a)使用K-means處理分五群後的影像。,(a) (b),1.使用高斯濾波器在灰階影像f(a;b)， 得到平滑影像

5、 。2.使用微分濾波器k(a;b)來計算邊緣強度和方向。3.高斯濾波器參數(shù)σ用來決定邊緣偵測器的大小。,2-2、Canny邊緣偵測,,Canny邊緣偵測步驟,1. 以σ為其高斯濾波器對image執(zhí)行迴旋積。2. 評測每一像素的區(qū)域邊緣的正交方向3. 應(yīng)用non-maximal suppression(MNS)方法找 出edges位置。4. 得到edges強度影

6、像MNMS(a;b)。,,,,二、Canny邊緣偵測步驟,5. 找出高門檻值以及低門檻值然後去跟強度影像像素來做比較。6. 變化σ重複步驟1到5。 7. 比較多個σ的edge資料，取用最適合的edge影像。,Canny的優(yōu)點,1.具有良好的偵測能力2.好的定位能力3.多重感應(yīng),3、本文方法,(a),(b),(c),本研究使用了九張大腦腫瘤圖來進行研究，在此僅舉三張不同位置及角度的大腦腫瘤圖片來做探討。,影像前置處理動作

7、,首先將影像做成灰階，去除色階資料，避免在使用K-means方法分群時因色階因素產(chǎn)生誤差值。,影像前置處理動作(續(xù)),進行K-means方法之後，必須設(shè)定顯示用的灰階度。我們發(fā)現(xiàn)將像素值設(shè)定為0-255，其保持大腦輪廓的表現(xiàn)及K-means的分群效果為最佳。,Fig.(a),三群,四群,五群,六群,Fig.(b),三群,四群,五群,六群,Fig.(c),三群,四群,五群,六群,三群,四群,五群,六群,Fig.(c),Canny階段,,

8、σ=0.5,σ=1.5,σ=2.0,σ=1.0,4、結(jié)論與未來展望,結(jié)論: 運用K-means及Canny切割後，我們已經(jīng)將九張樣本圖的腫瘤的位置及大小切割出來，並對模糊、黯淡及過亮的灰階圖片調(diào)整灰階度，以方便研究結(jié)果，並能快速確認腫瘤位置。,未來展望: 在K-means階段，我們發(fā)現(xiàn)腫瘤分群時，在腫瘤內(nèi)部有些為正常細胞部分因跟腫瘤位置過於接近，因而判斷為相同腫瘤部分，導致Canny找尋邊界時，無法完整將腫瘤找出