基于計(jì)算智能和數(shù)學(xué)形態(tài)學(xué)的肺部CT圖像分割方法研究.pdf

1、醫(yī)學(xué)圖像處理技術(shù)是將計(jì)算機(jī)圖形圖像學(xué)與醫(yī)學(xué)知識(shí)相結(jié)合的一個(gè)研究方向，它的最終目標(biāo)是將醫(yī)學(xué)圖像進(jìn)行數(shù)字化處理，使得醫(yī)生的視覺能夠清楚的感知圖像，從而分辨出病灶。醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理的首要步驟，是后續(xù)圖像識(shí)別與圖像理解的基礎(chǔ)。圖像分割是將圖像劃分為若干個(gè)不同的區(qū)域，并從這些區(qū)域中提取出感興趣的對(duì)象，如病灶作進(jìn)一步研究，并使分割結(jié)果盡可能的接近解剖結(jié)構(gòu)，從而為臨床診斷和病理學(xué)研究提出可靠依據(jù)。然而，醫(yī)學(xué)圖像分割技術(shù)發(fā)展至今，仍存在各種問

2、題，其精確度和自動(dòng)化程度還不能滿足實(shí)際的需要，所以對(duì)于醫(yī)學(xué)圖像分割方法的研究仍具有重要意義。
　　針對(duì)這些問題，本文提出了一種全新的分割算法框架，該算法采用兩個(gè)新穎的計(jì)算智能和數(shù)學(xué)形態(tài)學(xué)計(jì)算機(jī)制，具體應(yīng)用是群搜索優(yōu)化算法（Group Search Optimiser，簡(jiǎn)稱GSO）和改進(jìn)的標(biāo)記控制分水嶺變換（Mark Controled Watershed Transformation,簡(jiǎn)稱MCWT）相結(jié)合。該GSOMCWT算法框架

3、的主要思想是：先對(duì)圖像進(jìn)行一系列的預(yù)處理，提取目標(biāo)對(duì)象，然后對(duì)圖像進(jìn)行連通域的標(biāo)記，再使用改進(jìn)的分水嶺變換算法對(duì)這個(gè)標(biāo)記圖像進(jìn)行初步提取目標(biāo)對(duì)象實(shí)現(xiàn)分割，最后運(yùn)用GSO優(yōu)化算法依據(jù)一定的適應(yīng)度函數(shù)對(duì)此結(jié)果進(jìn)行反復(fù)優(yōu)化，會(huì)自動(dòng)的得出更好的分割結(jié)果。
　　本文的算法應(yīng)用于最新的CT成像儀器，碳納米管（Carbon Nanotube,簡(jiǎn)稱CNT）CT設(shè)備,通過具體的肺部CT圖像分割過程的演示，實(shí)現(xiàn)了對(duì)醫(yī)學(xué)圖像精確，魯棒的自動(dòng)和半自動(dòng)分割