人腦MR圖像分割方法研究.pdf

1、醫(yī)學(xué)圖像分割是圖像分割的一個重要的應(yīng)用領(lǐng)域，是醫(yī)學(xué)圖像處理和分析領(lǐng)域的基礎(chǔ)性經(jīng)典難題，其中腦部醫(yī)學(xué)圖像分割因其重要的應(yīng)用價值近年來成為醫(yī)學(xué)圖像分割的研究熱點(diǎn)。醫(yī)學(xué)圖像分割在生物醫(yī)學(xué)研究和臨床應(yīng)用中具有重要的意義，可用于研究解剖結(jié)構(gòu)，病灶確定，疾病診斷等。因而精確的分割是后繼分析的關(guān)鍵和重要基礎(chǔ)。 本文在現(xiàn)有的研究成果的基礎(chǔ)上對醫(yī)學(xué)圖像分割的目的和意義做了概括性的總結(jié)；對現(xiàn)有的醫(yī)學(xué)圖像分割方法做了比較性的分類，論文的主要工作和創(chuàng)新

2、點(diǎn)包括： 首先，介紹了本課題研究內(nèi)容相關(guān)的關(guān)鍵技術(shù)，包括圖像分割和核磁共振圖像基本概念和基本原理。給出了醫(yī)學(xué)圖像分割研究現(xiàn)狀，并對幾種典型算法加以分析。 其次，提出了一種基于改進(jìn)的模糊C均值算法的入腦MR圖像分割。模糊C均值是一種經(jīng)典的模糊聚類分析方法，收斂結(jié)果容易陷入局部最小值，而且也沒有考慮圖像的空間信息，對噪聲十分敏感。本文提出改進(jìn)的模糊C均值方法，根據(jù)腦圖像特征，采用新的確定初始值的方法首先確定初始聚類中心，然后

3、考慮圖像的空間信息，利用Gibbs隨機(jī)場的性質(zhì)引入先驗鄰域約束信息，建立包含灰度信息與空間信息的新聚類目標(biāo)函數(shù)，同時再進(jìn)一步地調(diào)整了距離矩陣。通過實驗可以表明，此改進(jìn)的方法具有很好的分割效果，同時對噪聲具有較強(qiáng)的魯棒性。 最后提出了基于高斯混合模型的入腦MR圖像分割。有限高斯混合模型在腦部MR圖像分割領(lǐng)域獲得了廣泛應(yīng)用，利用高斯混合模型可以描述大腦圖像。該方法針對含噪聲的大腦圖像，首先利用一種新穎的濾波方法對腦圖像進(jìn)行濾波，再利