面向計(jì)算機(jī)輔助診斷的膠囊內(nèi)鏡圖像處理與分析技術(shù)研究.pdf

1、膠囊內(nèi)窺鏡是一種胃腸道疾病檢測(cè)工具，具有無痛、安全、可全程檢測(cè)等優(yōu)點(diǎn)，目前已成為臨床醫(yī)學(xué)的研究熱點(diǎn)。由于一次膠囊內(nèi)鏡檢測(cè)會(huì)產(chǎn)生數(shù)萬張圖片，醫(yī)生閱讀圖片需要耗費(fèi)巨大的時(shí)間和精力，使用計(jì)算機(jī)進(jìn)行膠囊內(nèi)鏡圖像的處理成為一個(gè)發(fā)展方向，應(yīng)用于該領(lǐng)域的圖像處理技術(shù)逐漸興起。多數(shù)膠囊內(nèi)鏡通過人體胃腸道時(shí)不能控制拍攝位置和角度，導(dǎo)致獲得的圖像受光照影響極大。明暗不均或光線太弱的圖像都會(huì)降低醫(yī)生的診斷效果。
　　 本研究提出了一種基于Retine

2、x 理論的圖像增強(qiáng)模型，在保持圖像顏色特性的前提下，能快速抑制圖像中的光照不均現(xiàn)象。基于Retinex 理論提出的模型大多建立在L2 范數(shù)空間，而研究表明L1 范數(shù)空間能更好的刻畫圖像的細(xì)節(jié)信息。新模型把Retinex 理論轉(zhuǎn)化成L1 空間中的泛函極值問題，使得增強(qiáng)后的圖像能較好的保持邊緣特征。作為一種全變分模型，使用通常的方法計(jì)算時(shí)收斂緩慢，于是介紹了一種利用模型凸性的快速算法，可以實(shí)時(shí)處理膠囊內(nèi)鏡圖像，極大加強(qiáng)了模型的可用性。除了能

3、讓醫(yī)生更容易閱讀圖像，通過全變分模型增強(qiáng)的圖像還有助于圖像特征的自動(dòng)檢測(cè)。把該方法應(yīng)用到膠囊內(nèi)鏡出血點(diǎn)檢測(cè)，與增強(qiáng)前的圖像進(jìn)行比較，獲得了明顯的效果。胃腸道中的一些病變結(jié)構(gòu)，如潰瘍、腫瘤等，由于自身的組織特性，在膠囊內(nèi)鏡圖片中顯示出邊緣模糊、光照不均、背景復(fù)雜等特征，使用常見的算法進(jìn)行分割效果不佳。
　　 本研究基于這些特征，提出了兩個(gè)不同的模型用于膠囊內(nèi)鏡腫瘤的分割。通過分析活動(dòng)輪廓模型及其相關(guān)變形模型后，總結(jié)了這些模型對(duì)邊緣

4、信息與區(qū)域信息的組織方式，提出了一種區(qū)域驅(qū)動(dòng)邊界制動(dòng)的混合圖像分割模型。該混合模型用一個(gè)可以收集全局信息的函數(shù)替代了CV(Chan T，Vese L)模型中由水平集函數(shù)產(chǎn)生的緊支撐函數(shù)，使得模型具有凸性，可以在全局范圍內(nèi)獲得最優(yōu)解。與已有算法相比，混合模型具有較好的邊緣控制能力，能檢測(cè)出較弱的邊緣。由于膠囊內(nèi)鏡圖像中的組織病變結(jié)構(gòu)在光照情況下產(chǎn)生的陰影非常明顯，邊緣位置難以定位，混合模型中使用區(qū)域灰度差進(jìn)行驅(qū)動(dòng)的方法仍然不能獲得準(zhǔn)確的分

5、割結(jié)果。在分析膠囊內(nèi)鏡圖像陰影特征的基礎(chǔ)上，又提出了一種基于全變分的圖像分割模型。該全變分模型一方面利用初始信息錨定分割的大致區(qū)域，另一方面利用全變分的等高性，妥善處理了陰影對(duì)邊界的模糊效應(yīng)。相比前面的混合模型，全變分模型有意忽略圖像的灰度信息，從而抑制了圖像復(fù)雜背景因素的干擾。與現(xiàn)有的大部分經(jīng)典圖像分割算法相比，全變分模型的準(zhǔn)確性獲得顯著提高。分類是醫(yī)學(xué)診斷中一個(gè)非常重要的問題，在機(jī)器學(xué)習(xí)領(lǐng)域已經(jīng)開發(fā)了大量算法用于樣本的分類。膠囊內(nèi)鏡