基于ITK的腦部MR圖像分割算法研究與實現.pdf

1、腦部MRI分割是對神經解剖學結構的描述（如大腦，小腦，海馬體及腫瘤等），是后續(xù)的可視化、手術規(guī)劃、量化的診斷和分析、治療跟蹤及評估等處理及操作的基礎，在腦部醫(yī)學研究領域及臨床應用中都具有非常重要的意義。
　　由于腦部MR圖像中信息對比度不高，各種腦部組織的形狀復雜等特點，分割方法的選擇比較困難，單一的算法很難獲得滿意的分割結果，有效的分割方法需要根據不一樣的分割目的，結合目標圖像的特點，將各種圖像分割技術綜合運用起來，才能達到令人

2、滿意的分割效果。
　　本著目前醫(yī)學圖像分割的主要集中發(fā)展方向，論文以為不同的應用場合選擇合適的分割算法為目的，將應用場合限定在腦部MR圖像上，然后以多種算法以及多種知識的結合方向為主線完成了以下幾方面研究內容：
　　1.對ITK中基于區(qū)域的圖像分割算法、分水嶺算法及水平集算法在腦部 MRI上予以實現，通過與專家手工分割結果的實驗比對，論證了其對腦部MRI分割的有效性，為多種算法以及多種知識的結合的混合分割算法選擇奠定了理論與

3、實踐基礎。
　　2.在完成以上內容的基礎上，設計并實現了兩種混合分割方法。第一種，以水平集算法為中心，使用鄰域連接算法的分割結果作為Canny水平集的先驗模型，實現了兩種算法相結合的混合分割的算法，從而達到算法優(yōu)缺點的互補，形成更加健壯的分割算法。將實驗結果與專家手工分割結果比對，獲得了較好的分割效果。第二種，研究和實現了以分水嶺算法為中心的前處理部分，在分割效果和速度上較之單一分水嶺算法都有很大改善。
　　3.在所選擇的對