基于模糊水平集的腦腫瘤分割技術(shù)研究.pdf

1、腦腫瘤是神經(jīng)外科常見疾病，大多數(shù)是由腦內(nèi)組織原發(fā)性的腫瘤引起的。神經(jīng)影像學(xué)技術(shù)隨著計算機(jī)技術(shù)的發(fā)展得到了廣泛的應(yīng)用，精確的對腦部腫瘤進(jìn)行分割具有重要的臨床研究價值，依據(jù)腦腫瘤精確分割結(jié)果臨床醫(yī)生可以對病人制定手術(shù)計劃、放療計劃以及建立腦腫瘤模型。
　　目前磁共振成像技術(shù)的發(fā)展對醫(yī)學(xué)研究與臨床應(yīng)用領(lǐng)域的進(jìn)步起著不可或缺的推動作用，由于MR圖像對軟組織分辨率較CT圖像高，并且其多參數(shù)成像特點(diǎn)能為病變檢測及鑒別診斷過程提供更多信息，能夠

2、清晰的顯示出感興趣區(qū)域的組織解剖結(jié)構(gòu)。因此，在目前對神經(jīng)系統(tǒng)病變的診斷中普遍選擇MR圖像。
　　醫(yī)學(xué)圖像分割在醫(yī)學(xué)圖像分析處理環(huán)節(jié)的占有十分重要的地位，也是臨床醫(yī)學(xué)應(yīng)用中不可缺少的技術(shù)手段，并在影像醫(yī)學(xué)中發(fā)揮著越來越重要的作用。腦腫瘤分割就是將非正常組織從正常組織中分割出來，針對MR圖像存在對比度低、弱邊緣、以及部分容積效應(yīng)等特點(diǎn)，目前對于腦腫瘤MR圖像已有很多基于不同理論的分割方法，并取得了一定的效果。然而由于腦腫瘤MR圖像的復(fù)

3、雜性，任何單一一種算法對腦腫瘤MR圖像進(jìn)行分割時都得不到比較滿意的分割效果，眾多學(xué)者提出了結(jié)合使用多種分割算法的優(yōu)點(diǎn)，獲得操作性強(qiáng)、分割準(zhǔn)確、運(yùn)行效率高的腦腫瘤MR圖像分割算法。本文重點(diǎn)研究了模糊集理論、水平集算法以及將它們的改進(jìn)算法進(jìn)行結(jié)合應(yīng)用于腦腫瘤MR圖像分割的研究。
　　下面就兩方面的具體工作及改進(jìn)方向進(jìn)行介紹:
　　1.將模糊集理論應(yīng)用于腦腫瘤圖像分割，并提出基于空間模糊核聚類的腦腫瘤MR圖像分割方法。
　　

4、重點(diǎn)研究了以模糊集為理論基礎(chǔ)上的 FCM算法，針對傳統(tǒng)FCM算法對腦腫瘤圖像分割時對噪聲敏感且沒有考慮圖像空間信息出現(xiàn)分割結(jié)果不準(zhǔn)確的問題，改進(jìn)引入核函數(shù)，將數(shù)據(jù)由低維特征空間轉(zhuǎn)化為高維特征空間，提高了不同類別特征差異。根據(jù)圖像目標(biāo)區(qū)域梯度差異，對 KFCM算法進(jìn)行改進(jìn)，將圖像空間信息引入到 KFCM算法，用目標(biāo)區(qū)域方差總和與邊界梯度均值倒數(shù)之和作為新的目標(biāo)函數(shù)。對腦腫瘤圖像的樣本特征進(jìn)行迭代優(yōu)化，實(shí)現(xiàn)了腦腫瘤的精確分割。算法分割精確度

5、得到了提高，并且通過圖像的空間信息增加了方法的魯棒性。實(shí)驗結(jié)果表明改進(jìn)后的算法與傳統(tǒng)的FCM算法和KFCM算法相比，不僅有效地抑制了噪聲的干擾、提高了分割精確度，而且算法的速度也得到了提高。
　　2.將水平集方法應(yīng)用到腦腫瘤圖像分割，并提出基于模糊水平集的腦腫瘤MR圖像分割方法。
　　重點(diǎn)研究了以曲線演化理論為基礎(chǔ)的水平集方法在腦腫瘤圖像分割時的應(yīng)用，針對傳統(tǒng)水平集算法分割腦腫瘤MR圖像時對噪聲敏感，且在弱邊緣處易發(fā)生邊緣泄