醫(yī)學圖像分割中的分段常數(shù)水平集方法與Mumford-Shah模型研究.pdf

1、視網(wǎng)膜視神經疾病(如青光眼、糖尿病視網(wǎng)膜病變、老年性黃斑病等)是由多種原因引起的視網(wǎng)膜及視覺神經組織病變，并最終導致失明。該疾病在世界范圍內有較高的發(fā)病率，且早期大多無臨床征兆，因此早期的診斷十分重要。其中，視(神經)乳頭或視盤(optic nerve head，or optic disk)的定位、分割、重建與度量是近三十年來視網(wǎng)膜視神經疾病計算機輔助診斷研究的關鍵技術難題。由于光照不均、血管遮擋等原因，使得對象輪廓拓撲結構復雜多變，現(xiàn)

2、有的大多數(shù)方法的分割結果不能滿足臨床診斷需要。 本文重點論述如何將基于分段常數(shù)水平集方法(PCLSM)的Mumford-Shah模型應用于視乳頭圖像杯盤分割中。該方法的特點是：(1)它能很好地處理多相圖像分割問題；(2)只需要一個水平集函數(shù)就可以分割多個目標；(3)處理過程不需要人工干預，自動化程度較高。 本文首先采用基于PCLSM的Mumford-Shah模型來分割視乳頭圖像的杯盤，從而得到杯盤形態(tài)邊緣，但這個邊緣存在

3、斷裂、凹陷；因此，本文進一步結合青光眼視乳頭圖像杯、盤的先驗知識，剔除斷裂、凹陷的邊緣，提取視杯和視盤邊緣真實的特征點；然后，采用光滑樣條曲線擬合技術重建被血管遮擋的視杯和視盤部分邊緣；最后本文用擬合好的杯盤邊緣來重建視乳頭杯盤圖像，并根據(jù)該重建圖像自動地提取杯盤比等具有青光眼輔助診斷重要價值的病理特征參數(shù)值。 不同時期青光眼病人的視乳頭圖像杯盤重建、分割與度量實驗結果表明，該方法能克服噪聲污染、血管遮擋、光照不均勻、對比度小、