基于MRI的腦腫瘤序列圖像的分割方法的研究.pdf

1、MRI成像因其無(wú)損傷、無(wú)痛苦、適合軟組織診斷等特點(diǎn)而成為腦腫瘤診斷的重要檢測(cè)手段。MRI圖像分割是對(duì)MRI圖像進(jìn)行分析的基本步驟，也是利用MRI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MRI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(lái)越廣泛，迫切需要利用計(jì)算機(jī)算法對(duì)解剖結(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

2、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。 活動(dòng)輪廓模型因其能夠?qū)⒏邔右曈X(jué)知識(shí)與低層圖像信息有機(jī)結(jié)合，近年來(lái)廣泛應(yīng)用于醫(yī)學(xué)圖像分割。本文提出了一種結(jié)合貪婪算法和活動(dòng)輪廓模型的新的醫(yī)學(xué)序列圖像分割算法。本文以臨床磁共振顱腦圖像為研究對(duì)象，以自動(dòng)、精確分割出腦腫瘤為目的。首先采用各向異性濾波對(duì)圖像進(jìn)行濾波預(yù)處理。然后通過(guò)對(duì)傳統(tǒng)活動(dòng)輪廓模型及其幾種主要的改進(jìn)模型的分析，將模型的內(nèi)部能量和外部能量做出了以下改進(jìn)：1、在模型的內(nèi)

3、部能量中加入輪廓平均長(zhǎng)度項(xiàng)的控制，從而避免輪廓中相鄰控制點(diǎn)在迭代過(guò)程中的互相匯聚；2、在模型的外部能量中加入了梯度方向勢(shì)能，避免活動(dòng)輪廓停留在錯(cuò)誤的物體邊緣處；3、采用了基于圖像統(tǒng)計(jì)特征的區(qū)域能量作為模型的外部能量，使模型能有效的避免噪聲的干擾。同時(shí)，為使算法具有實(shí)用價(jià)值，采用速度較快的貪婪算法作為求解模型能量最小的算法，并提出區(qū)域能量在貪婪算法中的快速求解方法。另外采用動(dòng)態(tài)調(diào)整蛇點(diǎn)的算法，使蛇點(diǎn)數(shù)目能夠自適應(yīng)地變化，能夠很好的描述目標(biāo)

4、形狀，保證了穩(wěn)定跟蹤。并且提出了一種新的Snake曲線的輪廓初始化方法。為了提高序列圖像分割的自動(dòng)程度，首先找出關(guān)鍵幀圖像，將整個(gè)序列圖像分成兩部分，然后提出了一種新的Snake曲線的輪廓初始化方法，先將關(guān)鍵幀圖像精確分割，再利用序列圖像的逐漸變化特性，將前一幀分割結(jié)果作為下一幀的初始輪廓，即可實(shí)現(xiàn)腦腫瘤MRI序列圖像的自動(dòng)分割。 將仿真實(shí)驗(yàn)結(jié)果與手工分割以及著名的GVF模型的分割結(jié)果對(duì)比，表明本算法與人工分割的結(jié)果近似，在弱邊