梯度矢量流模型在醫(yī)學圖像分割中的應用研究.pdf

1、醫(yī)學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、運動分析等后續(xù)操作的基礎，分割的準確性對醫(yī)生判斷疾病的真實情況并做出正確的診斷至關重要。由于人體解剖結(jié)構(gòu)的復雜性、組織器官的不規(guī)則性以及個體之間的差異性，加之成像質(zhì)量受到多種因素的制約，使得醫(yī)學圖像的分割成為一個難點。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。Snake模型通過參數(shù)化的活動輪廓線，在由先驗模型和圖像數(shù)據(jù)構(gòu)成的

2、能量函數(shù)的驅(qū)動下變形，直到抵達區(qū)域的邊界，該模型既承載了上層先驗知識又融合了圖像的底層特征，因而能有效地應用于醫(yī)學圖像的分割中。
　　 本文首先對醫(yī)學圖像分割的現(xiàn)狀作了詳盡的綜述，主要介紹了常用的醫(yī)學圖像分割方法。第二章分析了參數(shù)活動輪廓模型的理論基礎，詳細闡述了其數(shù)學模型及數(shù)值實現(xiàn)方法，通過實驗說明了傳統(tǒng)參數(shù)活動輪廓模型分割圖像時存在的對初始位置敏感以及無法進入深度凹陷部位的兩大問題，并針對這兩大問題，介紹了Snake模型的一

3、些經(jīng)典外力改進方法。第三章介紹了Snake模型外力改進算法中經(jīng)典的梯度矢量流算法，包括數(shù)學理論基礎、數(shù)值實現(xiàn)方法及其仿真實驗，分析了GVF Snake模型存在的不足，介紹了XU的廣義的梯度矢量流模型和其他相關改進算法。
　　 第四章首先介紹了熱擴散及各向異性擴散的基本思想，傳統(tǒng)的梯度矢量流模型基于各向同性擴散，在圖像分割時容易產(chǎn)生邊界模糊現(xiàn)象，同時在弱邊界處易產(chǎn)生泄漏。此外，傳統(tǒng)矢量流模型中保真項系數(shù)較慢的下降速度也弱化了初始曲

4、線進入凹陷部位的能力。針對這些問題，提出一種新的改進辦法，該方法采用八方向各向異性擴散策略以保持目標邊界的強度和細節(jié)信息，并且采用具有較快下降速度的保真項系數(shù)來增強Snake進入凹陷部分的能力。實驗表明，新方法能比較準確地分割出目標凹陷部分，對于弱邊界泄漏具有更強的魯棒性。
　　 第五章介紹了高斯混合模型及EM算法的基本理論，針對傳統(tǒng)梯度矢量流模型的弱邊界泄漏和抗噪性弱等缺點，提出一種有效的解決辦法，該方法從“識邊緣”到“保邊緣