基于Snake模型的腦部MR圖像交互式分割方法研究.pdf

1、醫(yī)學(xué)圖像分割是正常組織和病變組織的三維重建、結(jié)構(gòu)分析、運(yùn)動分析等后續(xù)操作的基礎(chǔ)，分割的準(zhǔn)確性對醫(yī)生判斷疾病的真實(shí)情況并做出正確的診斷至關(guān)重要。由于人體解剖結(jié)構(gòu)的復(fù)雜性、組織器官的不規(guī)則性以及個(gè)體之間的差異性，加之成像質(zhì)量受到多種因素的制約，使得醫(yī)學(xué)圖像的分割成為一個(gè)難點(diǎn)。MR圖像中經(jīng)常出現(xiàn)區(qū)域灰度的不一致性、偽影、弱邊界、邊界斷裂等情形，用傳統(tǒng)的方法分割圖像效果并不理想。目前，人們在繼續(xù)關(guān)注對醫(yī)學(xué)圖像進(jìn)行自動分割的同時(shí)，對交互式分割方法

2、的研究也成了醫(yī)學(xué)圖像分割的研究重點(diǎn)。
　　Snake模型是近年來圖像處理中用于目標(biāo)提取的一種主流模型，它提供了一個(gè)非常靈活的綜合使用各種約束機(jī)制的工具。本文分析了Snake模型的理論基礎(chǔ)，詳細(xì)闡述了其數(shù)學(xué)模型及數(shù)值實(shí)現(xiàn)方法，將其發(fā)展并應(yīng)用于對腦部MR圖像的交互式分割方法的研究中。針對傳統(tǒng)Snake模型的缺點(diǎn)，本文提出了一種改進(jìn)的基于貪婪算法的Snake模型。該模型增大了外能的吸引范圍，減小了對初始輪廓的依賴，并提高了處理凹陷區(qū)域的

3、能力。在此基礎(chǔ)上，本文對梯度矢量流（Gradient Vector Flow,GVF）在Snake模型改進(jìn)中的應(yīng)用進(jìn)行了分析，并針對在實(shí)際應(yīng)用中所存在的問題，提出了基于Canny算子的邊緣圖的生成方法，同時(shí)將力場擴(kuò)散方程中GVF的各分量分別歸一化，并增加了外部約束能量，取得了良好的效果。
　　針對斷層圖像之間具有連續(xù)性的特點(diǎn)，本文將單層圖像的分割結(jié)果作為相鄰層的初始輪廓，實(shí)現(xiàn)了多層序列圖像的分割，得到較好的效果。對貪婪Snake模

4、型的改進(jìn)算法、GVFSnake模型及其改進(jìn)算法在腦部MR圖像分割方面的具體應(yīng)用分別進(jìn)行了討論，對實(shí)驗(yàn)結(jié)果及參數(shù)選擇進(jìn)行了分析闡述。
　　基于以上方法研究，本文結(jié)合Snake模型的特點(diǎn)，用C++語言設(shè)計(jì)并實(shí)現(xiàn)了一套快速、有效、可重復(fù)性好的交互式圖像分割系統(tǒng)，在GDI+環(huán)境下采用Bezier曲線完成了對Snake初始輪廓的繪制和對模型的友好交互控制，并實(shí)現(xiàn)了對分割結(jié)果的局部交互修正，保證了分割結(jié)果的準(zhǔn)確性。該系統(tǒng)不僅適用于腦部MR圖像