多相M-S模型最小圖分割理論與醫(yī)學(xué)應(yīng)用研究.pdf

1、視網(wǎng)膜視神經(jīng)疾病(青光眼、糖尿病視網(wǎng)膜病變、年齡相關(guān)性黃斑變性等)是由多種原因引起的視網(wǎng)膜及視覺神經(jīng)組織病變，在世界范圍內(nèi)有較高的發(fā)病率，因此早期的診斷非常重要。目前大多通過彩色立體眼底(視網(wǎng)膜)照相機(jī)來獲得視網(wǎng)膜(視乳頭)圖像。但是由于計(jì)算機(jī)輔助診斷中視乳頭醫(yī)學(xué)圖像噪聲污染大、光照不均勻、對(duì)比度小、部分視乳頭被血管遮擋、不同病人個(gè)體間差異大等因素導(dǎo)致的視乳頭圖像自動(dòng)分割不能很好的進(jìn)行，分割結(jié)果不能滿足臨床診斷需要。為了解決此難題，本文

2、提出在分段常數(shù)水平集方法(PCLSM)的Mumford-Shah模型的基礎(chǔ)上結(jié)合圖分割最優(yōu)化的方法對(duì)視乳頭圖像進(jìn)行分割。
　　 首先采用基于圖論的多相分段常數(shù)水平集Mumford-Shah圖像分割模型及其相應(yīng)的圖分割最優(yōu)化方法對(duì)視乳頭杯盤圖像進(jìn)行分割，獲得其未被血管遮擋的杯盤邊緣部分；再采用凸多邊形約束方法去除上述杯盤邊緣中由于血管遮擋、光照不均等原因等引起的凹陷或斷裂部分，提取杯盤邊緣特征點(diǎn)，然后采用光滑曲線擬合技術(shù)，獲得完整

3、的杯盤邊緣曲線。最后我們用擬合好的杯盤邊緣來重建視乳頭杯盤圖像，并根據(jù)該重建圖像取得杯盤比等特征參數(shù)，這些參數(shù)對(duì)青光眼的輔助診斷有著非常重要的價(jià)值。
　　 通過不同時(shí)期青光眼病人的視乳頭圖像杯盤分割的試驗(yàn)結(jié)果可以表明，上述方法可以很好地解決血管遮擋、噪聲污染、對(duì)比度小、個(gè)體間差異大、光照不均勻等視網(wǎng)膜圖像分割中固有的難題，分割青光眼彩色視乳頭圖像中的視杯和視盤，并且其計(jì)算代價(jià)大大低于經(jīng)典的多相分段常數(shù)水平集Mumford-Sha

4、h模型，其視乳頭圖像的視杯和視盤分割結(jié)果也更為精準(zhǔn)。
　　 本文重點(diǎn)論述如何將基于圖分割的分段常數(shù)M-S模型應(yīng)用于視乳頭圖像杯盤分割中。該方法的特點(diǎn)是：(1)只需要一個(gè)水平集函數(shù)就可以分割多個(gè)目標(biāo)；(2)傳統(tǒng)的對(duì)于帶約束問題的最小化問題可以采用Lagrangian方法來求解，但是其收斂速度慢，計(jì)算量很大，本文采用圖分割最優(yōu)化方法，得到圖像分割結(jié)果精度高，且效率有所提高；(3)它能很好的處理多相圖像分割問題，處理過程不需要人工干預(yù)