幾何活動(dòng)輪廓模型在醫(yī)學(xué)MR圖像分割中的應(yīng)用研究.pdf

1、核磁共振成像(Magnetic Resonance Imaging，MRI)以其無損傷、無痛苦、適合軟組織診斷等特點(diǎn)，已被廣泛運(yùn)用于醫(yī)學(xué)圖像拍攝，并在臨床醫(yī)學(xué)上起著越來越重要的作用。MR圖像分割是對(duì)MR圖像進(jìn)行分析的基本步驟，也是利用MR圖像進(jìn)行定性、定量分析的一個(gè)至關(guān)重要的環(huán)節(jié)。然而在MR醫(yī)學(xué)圖像處理與分析中，對(duì)目標(biāo)和病灶的識(shí)別、定位及定量分析還主要依賴圖像的手動(dòng)分割。隨著MR醫(yī)學(xué)成像在臨床應(yīng)用中越來越廣泛，迫切需要利用計(jì)算機(jī)算法對(duì)解

2、剖結(jié)構(gòu)或感興趣區(qū)域進(jìn)行自動(dòng)分割描述。分割的準(zhǔn)確性對(duì)醫(yī)生判斷疾病的真實(shí)情況并做出相應(yīng)的診斷計(jì)劃至關(guān)重要，因此研究自動(dòng)或半自動(dòng)分割方法是非常重要的。 目前，活動(dòng)輪廓模型已經(jīng)成為醫(yī)學(xué)圖像分割的重要工具，其中幾何活動(dòng)輪廓模型因其能夠很好的解決曲線演化時(shí)的拓?fù)浣Y(jié)構(gòu)而受到廣泛的關(guān)注。本文針對(duì)這類圖像分割方法進(jìn)行了詳細(xì)的研究。 首先，介紹了幾何活動(dòng)輪廓模型，分析了曲線演化理論、水平集方法和幾何活動(dòng)輪廓模型的水平集表達(dá)，以及介紹了目前國

3、內(nèi)外學(xué)者對(duì)水平集快速算法的一些比較成功的改進(jìn)方法。 其次，傳統(tǒng)水平集模型在定義速度時(shí)，往往僅使用了圖像的邊緣信息，這樣必然導(dǎo)致在分割具有強(qiáng)噪聲或具有弱邊界的圖像目標(biāo)時(shí)，不能得到真實(shí)邊界，為此提出了基于區(qū)域信息的水平集模型。它首先用形態(tài)學(xué)方法及其優(yōu)化方法將圖像背景部分去除，減小其對(duì)分割結(jié)果的影響；其次使用區(qū)域統(tǒng)計(jì)信息定義速度函數(shù)，防止曲線演化時(shí)從弱邊界泄露，該模型對(duì)含有噪聲或含有弱邊界的圖像分割的準(zhǔn)確性有了較大的提高。 再

4、次，分析了基于圖像全局信息的水平集模型，即CV模型。針對(duì)其迭代過程要對(duì)所有圖像數(shù)據(jù)反復(fù)進(jìn)行計(jì)算，時(shí)間效率低，難以實(shí)時(shí)應(yīng)用的問題，提出了CV模型的快速算法，它使用符號(hào)矩陣區(qū)分曲線內(nèi)外點(diǎn)，用直方圖分別統(tǒng)計(jì)這兩個(gè)區(qū)域的點(diǎn)的信息，按直方圖統(tǒng)計(jì)順序分別改變像素點(diǎn)的符號(hào)，再根據(jù)曲線能量增減情況修改對(duì)應(yīng)點(diǎn)的符號(hào)以及兩個(gè)區(qū)域的均值，最后采取改進(jìn)的小鄰域均值法對(duì)結(jié)果進(jìn)行優(yōu)化，在去除小噪聲點(diǎn)的同時(shí)保留角點(diǎn)信息。對(duì)MR圖像進(jìn)行的分割實(shí)驗(yàn)表明，其分割效果更好，

5、速度有大幅度的提高。并將該方法擴(kuò)展到多相位CV水平集模型中，提出多相位CV模型的快速算法，并應(yīng)用于人腦MR圖像的分割，取得了很好的效果。 最后，針對(duì)多相位CV水平集模型在分割含多目標(biāo)圖像時(shí)，其求解過程中很難控制多個(gè)曲線演化方程的耦合且當(dāng)目標(biāo)較多時(shí)該方法計(jì)算較為復(fù)雜的問題，提出一種多目標(biāo)圖像的分割模型，它首先對(duì)圖像進(jìn)行預(yù)分割得到初始曲線，避免分割結(jié)果陷入局部最優(yōu)，其次對(duì)Heaviside函數(shù)進(jìn)行改進(jìn)，使其能準(zhǔn)確的計(jì)算均值信息，將其