2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩64頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、汕頭大學(xué)碩士學(xué)位論文題目基于改進(jìn)型CV模型的醫(yī)學(xué)超聲圖像分割及應(yīng)用英文題目SegmentationofMedicalUltrasoundImageitsApplicationBasedonImprovedCVModel姓名徐宇貴徐宇貴學(xué)號(hào)11009044所在學(xué)院所在學(xué)院工學(xué)院工學(xué)院導(dǎo)師姓名導(dǎo)師姓名孫麗莎孫麗莎專業(yè)信號(hào)與信息處理信號(hào)與信息處理入學(xué)時(shí)間入學(xué)時(shí)間2010年9月答辯日期答辯日期2013年5月汕頭大學(xué)工學(xué)院2013屆碩士學(xué)位論文I

2、摘要摘要數(shù)字圖像處理技術(shù)近幾十年來(lái)得到了飛速發(fā)展,其在各行各業(yè)中也發(fā)揮了重要作用。在醫(yī)學(xué)診療中,通過(guò)數(shù)字圖像處理技術(shù)的應(yīng)用,越來(lái)越多的疾病得以在術(shù)前被發(fā)現(xiàn),從而為患者帶來(lái)了希望,為醫(yī)生減輕了負(fù)擔(dān),推動(dòng)了醫(yī)學(xué)成像技術(shù)的發(fā)展。醫(yī)學(xué)超聲成像技術(shù)相比其他醫(yī)學(xué)成像技術(shù),具有低成本、無(wú)輻射、實(shí)時(shí)性、可重復(fù)性好等優(yōu)點(diǎn),被譽(yù)為“現(xiàn)代四大醫(yī)學(xué)成像技術(shù)”之一,目前已在乳腺、血管、腫瘤和產(chǎn)前診斷方面得到廣泛應(yīng)用。然而,由于醫(yī)學(xué)超聲成像過(guò)程中會(huì)產(chǎn)生大量斑點(diǎn)噪聲

3、,不僅將妨礙醫(yī)生對(duì)圖像中病灶性質(zhì)的診斷,而且也會(huì)對(duì)后期的圖像分割處理產(chǎn)生負(fù)面的影響。針對(duì)這一現(xiàn)狀,本文在深入調(diào)研超聲成像機(jī)制以及當(dāng)前醫(yī)學(xué)超聲圖像去噪和分割的研究現(xiàn)狀基礎(chǔ)上,提出和改進(jìn)了適用于醫(yī)學(xué)超聲圖像去噪和分割方法,并對(duì)所提出的方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。本文首先對(duì)課題背景和意義、醫(yī)學(xué)超聲成像和本文組織結(jié)構(gòu)進(jìn)行了概述。針對(duì)現(xiàn)有的醫(yī)學(xué)超聲成像去噪和分割方法進(jìn)行了現(xiàn)狀介紹,然后提出了一種去噪模型和兩種改進(jìn)型的CV模型,主要內(nèi)容如下:1、針對(duì)現(xiàn)有的

4、醫(yī)學(xué)超聲圖像去噪模型,深入分析了其各自特性,在此基礎(chǔ)上提出了一種自適應(yīng)SUSAN擴(kuò)散去噪方法。該方法引入了SUSAN算子進(jìn)行圖像邊緣檢測(cè),并利用Kmeans算法自適應(yīng)地得到圖像的全斑點(diǎn)噪聲區(qū)域和相關(guān)參數(shù),最后結(jié)合非線性擴(kuò)散理論對(duì)醫(yī)學(xué)超聲圖像進(jìn)行迭代去噪。實(shí)驗(yàn)結(jié)果證明提出方法與PM模型、SRAD模型、NCD模型等在去噪程度和邊緣保留方面具有更好的效果。2、首先介紹了傳統(tǒng)活動(dòng)輪廓模型和水平集方法,然后重點(diǎn)介紹了ChanVese(CV)模型,

5、并分析了它的優(yōu)缺點(diǎn)。從分析中可以看出該模型方法在對(duì)灰度不均勻圖像的分割方面還存在的不足,針對(duì)這種問(wèn)題,本文提出了一種基于局部灰度信息的改進(jìn)型CV模型,即LocalGrayChanVese(LGCV)模型,通過(guò)使用圖像局部灰度信息,該模型可以在較少的迭代次數(shù)內(nèi)分割灰度不均勻圖像。實(shí)驗(yàn)結(jié)果也證明了本方法的有效性。3、當(dāng)前,大多數(shù)圖像分割方法都是基于圖像灰度信息提出的,但是相比圖像灰度信息,相位信息能更準(zhǔn)確地檢測(cè)出帶斑點(diǎn)噪聲的醫(yī)學(xué)超聲圖像中邊

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論