基于粗神經(jīng)網(wǎng)絡的醫(yī)學圖像融合算法.pdf

1、隨著計算機圖像處理與醫(yī)學的快速發(fā)展，醫(yī)學圖像融合成為了醫(yī)學影像學領域的研究熱點之一。用于臨床診斷和治療的新型影像設備不斷被研制，呈現(xiàn)的信息也趨于多樣化，由于成像原理不同，每一種模態(tài)的醫(yī)學圖像所反映出的人體信息側重點不同，而單一模態(tài)的醫(yī)學圖像無法獲得全面的診斷信息，因此對多模態(tài)的醫(yī)學影像信息，進行適度集成、融合以獲得互補信息，可以為臨床診斷提供更加直觀、全面的醫(yī)學診斷圖像，方便臨床醫(yī)生有效觀察和正確診斷。因此，研究醫(yī)學圖像融合具有非常重要

2、的意義。
　　 論文主要以醫(yī)學CT和MR圖像為例對醫(yī)學圖像融合算法及其相關理論進行研究。為了驗證算法的有效性，本文均考慮已配準好的醫(yī)學圖像，在此基礎上進行適度融合。工作的主要內(nèi)容有如下幾點:
　　 (1)針對醫(yī)學圖像中濾波效果較差，邊緣模糊的問題，利用粗糙集之不可分辨關系理論，提出了一種基于粗糙集的醫(yī)學圖像融合算法。首先對源圖像進行粗糙中值濾波，利用粗糙集的精確分類能力將噪聲與圖像像素分類，然后采用中值濾波將其濾除;之后

3、提出一種粗糙邊緣檢測算法，對CT圖像進行邊緣檢測，實現(xiàn)邊緣點與非邊緣點的分類;最后，通過邊緣追蹤技術掃描CT邊緣檢測圖，實現(xiàn)與MR圖的坐標定位，并采用重要中心系數(shù)法的融合規(guī)則進行融合。實驗表明，該算法較好的保持了醫(yī)學圖像的細節(jié)信息，融合質量較優(yōu)且效率較高。
　　 (2)由于粗糙集自身特點，在應用于圖像處理中存在容錯性差、泛化能力弱的問題，而神經(jīng)網(wǎng)絡恰恰彌補了這一點，并且與粗糙集相同，神經(jīng)網(wǎng)絡具有高精度的分類能力。本文第五章將粗糙