基于參數化水平集的醫(yī)學圖像分割及重建算法研究.pdf

1、隨著醫(yī)學技術的不斷進步，醫(yī)學影像在現代醫(yī)學中占據著重要的位置。如何準確地實現對醫(yī)學圖像的分割和重建是現代醫(yī)學影像研究的重要課題。目前的圖像分割和熒光光學圖像重建技術主要在有網格的框架下進行（如體素和有限元），面對復雜的拓撲結構變化仍存在許多問題。無網格的方法計算靈活，在處理拓撲結構變化方面具有較大的優(yōu)勢，開展無網格方法在復雜醫(yī)學圖像的分割和重建方面的研究是十分必要的。
　　本文研究基于參數化水平集的無網格圖像分割和光學圖像重建算法

2、。首先，論文介紹了圖像分割和重建算法的基本概念和發(fā)展現狀，分析了水平集算法的原理、徑向基函數無網格法以及逆問題重建方法。針對算法的發(fā)展現狀及目前存在的問題存在的問題，提出了基于徑向基函數的參數化水平集分割及重建算法，進行了算法的程序設計，通過仿真實驗進行了驗證。
　　本文首先實現了基于徑向基函數的C-V模型水平集分割算法。針對基函數中心位置分布對分割結果的影響對算法進行了改進，降低了由基函數分布造成的分割邊界產生的波動，并對仿真結

3、果和腦部CT圖像外輪廓的分割效果進行對比。實驗表明該方法有效地改善了參數化C-V水平集分割模型的邊界效果。此外，針對激發(fā)熒光斷層成像的重建問題，設計了一種基于緊支徑向基函數的無網格水平集重建算法，通過使用徑向基函數的系數作為未知量對重建目標進行參數化變換，以降低目標的維度，并通過Levenberg-Marquarrd算法實現了對目標光源的重建。與傳統(tǒng)有網格的有限元方法相比，該方法避免了對節(jié)點的插值過程，保證了計算的精確性。同時，相對于有