基于水平集主動(dòng)輪廓模型的醫(yī)學(xué)圖像分割方法的研究.pdf

1、醫(yī)學(xué)圖像分割是對(duì)正常組織和病變組織進(jìn)行定量分析、定性識(shí)別的基礎(chǔ)，是計(jì)算機(jī)輔助診斷的關(guān)鍵步驟，因此要求很強(qiáng)的分割目標(biāo)性和很高的分割準(zhǔn)確性。然而，在臨床應(yīng)用中，由于醫(yī)學(xué)圖像本身的復(fù)雜性、多樣性和各種不確定因素的影響，導(dǎo)致準(zhǔn)確分割成為醫(yī)學(xué)圖像分析處理的難點(diǎn)。
　　 基于水平集主動(dòng)輪廓模型的圖像分割方法，既可以利用低層的圖像信息，又可以結(jié)合高層的目標(biāo)先驗(yàn)知識(shí)，因此在處理結(jié)構(gòu)復(fù)雜多樣的醫(yī)學(xué)圖像時(shí)，顯示出其獨(dú)特的優(yōu)越性和廣泛的適用性。本文以

2、骨關(guān)節(jié)核磁共振圖像（MRI）為研究對(duì)象，對(duì)基于水平集的幾何主動(dòng)輪廓分割算法提出了幾點(diǎn)改進(jìn)，并在骨關(guān)節(jié)正常骨骼和病灶分割實(shí)驗(yàn)中驗(yàn)證了改進(jìn)模型的有效性。具體工作如下：
　　 （1）提出一種局部自適應(yīng)的變分水平集模型。相對(duì)于Li的無需重新初始化的水平集模型，主要有兩點(diǎn)改進(jìn)：一是利用圖像的局部特性自適應(yīng)決定曲線的演化方向，能較好的解決初始化曲線跨越目標(biāo)邊界的分割問題；二是將全局Chan-Vese能量項(xiàng)局部化，改進(jìn)邊界停止函數(shù)，提高了對(duì)灰

3、度分布重疊、分布不均勻問題處理的魯棒性，增強(qiáng)了算法的適應(yīng)性。最后結(jié)合醫(yī)學(xué)序列圖像特點(diǎn)，利用Heaviside 函數(shù)對(duì)當(dāng)前圖像分割結(jié)果進(jìn)行分段常量化后投射至相鄰圖像作為初始化曲線，實(shí)現(xiàn)對(duì)序列圖像的自動(dòng)分割。完成了對(duì)骨關(guān)節(jié)MRI序列圖像中骨腫瘤目標(biāo)的自動(dòng)分割。
　　 （2）膝關(guān)節(jié)MRI 圖像結(jié)構(gòu)復(fù)雜，各軟組織之間對(duì)比度低，分界模糊，給關(guān)節(jié)軟骨的分割帶來了很大的難度，只利用低層圖像信息的水平集方法往往難以得到較滿意的分割結(jié)果。本文提出