MRI去噪及分割算法研究.pdf

1、本文主要研究磁共振(MR)圖像的去噪和分割問(wèn)題。磁共振圖像在獲取過(guò)程中由于硬件電路和人體的因素會(huì)引入噪聲，噪聲降低磁共振圖像的質(zhì)量，影響識(shí)別和分析，所以，對(duì)含噪聲、信噪比低的磁共振圖像來(lái)說(shuō)，去噪是關(guān)鍵的預(yù)處理步驟。磁共振成像(MRI)分割的研究主要集中在腦部腫瘤分割、肝臟腫瘤分割、肝臟、心臟、肺部分割等，MRI分割是定量分析、三維重建、輔助醫(yī)療診斷的基礎(chǔ)。本論文提出了兩種磁共振圖像去噪方法和一種分割方法，均取得了較好的效果。具體研究工作

2、如下:
　　針對(duì)MRI噪聲萊斯分布的特點(diǎn)，本文在雙樹復(fù)小波域結(jié)合雙邊濾波器、基于Stein無(wú)偏估計(jì)的鄰域收縮法、二變量收縮法設(shè)計(jì)了一種有效的MRI去噪算法。所設(shè)計(jì)的算法充分考慮了MRI的噪聲分布特性以及小波系數(shù)的層間和層內(nèi)相關(guān)性，其性能優(yōu)劣主要取決于平方MRI的雙樹復(fù)小波系數(shù)的噪聲標(biāo)準(zhǔn)差估計(jì)的準(zhǔn)確程度，其次和雙邊濾波器的參數(shù)以及兩種收縮方法的占比有關(guān)。為了使各算法的協(xié)同發(fā)揮最好的性能，本文以均方誤差(MSE)、峰值信噪比(PSNR

3、)和結(jié)構(gòu)相似度(SSIM)作為圖像質(zhì)量評(píng)價(jià)指標(biāo)，修正雙樹復(fù)小波系數(shù)的噪聲標(biāo)準(zhǔn)差，確定最佳雙邊濾波參數(shù)以及兩種收縮方法的占比。在雙樹復(fù)小波域結(jié)合三種方法設(shè)計(jì)了一種有效的MRI去噪算法。雙樹復(fù)小波域的去噪優(yōu)于基本小波去噪，利用層內(nèi)和層間相關(guān)性的去噪算法很好去除了噪聲，雙邊濾波器的使用增強(qiáng)了低頻部分的圖像，使得本文算法在MRI萊斯噪聲的去除上獲得了較好的表現(xiàn)，在去噪的同時(shí)能夠保留邊緣和細(xì)節(jié)信息。
　　針對(duì)MRI平方圖像的非中心卡方分布的

4、特性，本文使用卡方無(wú)偏估計(jì)來(lái)估計(jì)鄰域收縮法的閾值，提出了基于卡方無(wú)偏估計(jì)的鄰域收縮法并用于MRI去噪。雙邊濾波器和循環(huán)平移技術(shù)的使用進(jìn)一步提升了該方法的去噪效果。綜合考慮去噪指標(biāo)、視覺(jué)效果和運(yùn)行時(shí)間，該方法簡(jiǎn)單有效，綜合性能優(yōu)于現(xiàn)有的幾種小波域去噪方法。
　　提出一種基于隨機(jī)主動(dòng)輪廓模型的肝臟腫瘤分割算法。隨機(jī)主動(dòng)輪廓模型充分利用了目標(biāo)的區(qū)域信息、概率分布特征和幾何先驗(yàn)知識(shí)，由于醫(yī)學(xué)圖像對(duì)比度低、邊界模糊，分割過(guò)程容易產(chǎn)生邊界泄露