醫(yī)學(xué)圖像分割算法研究與實(shí)現(xiàn).pdf

1、醫(yī)學(xué)圖像處理技術(shù)伴隨著醫(yī)學(xué)影像技術(shù)與計(jì)算機(jī)科學(xué)的發(fā)展，成為現(xiàn)代臨床診斷中重要的輔助醫(yī)療技術(shù)。醫(yī)學(xué)圖像分割更是成像后用于圖像分析前重要的步驟。但由于組織器官?gòu)?fù)雜多樣，成像技術(shù)機(jī)制各異，人工交互依賴度過(guò)高，分割技術(shù)的準(zhǔn)確性與實(shí)時(shí)性還達(dá)不到醫(yī)學(xué)圖像的應(yīng)用要求。
　　準(zhǔn)確，快速，人工低依賴的分割方法研究被國(guó)內(nèi)外學(xué)者廣泛關(guān)注。本論文研究的重點(diǎn)就是醫(yī)學(xué)圖像分割問(wèn)題，主要研究正常組織分割及病變組織分割，具體如下：
　　1、在傳統(tǒng)的模糊C均

2、值算法目標(biāo)函數(shù)中加入了由一系列基函數(shù)線性構(gòu)成的偏移場(chǎng)項(xiàng),模擬MR圖像灰度不均勻性。偏移場(chǎng)估計(jì)和圖像分割可通過(guò)對(duì)改進(jìn)后的目標(biāo)函數(shù)進(jìn)行最小化而得到。同時(shí)，實(shí)現(xiàn)了一種快速的目標(biāo)函數(shù)最小化的迭代收斂算法。和其他方法相比，本算法具有更加優(yōu)良的實(shí)驗(yàn)結(jié)果。
　　2、針對(duì)傳統(tǒng)醫(yī)學(xué)圖像分割算法無(wú)法處理灰度不均衡性存在下的分割問(wèn)題，研究了一種基于Region-Scalable Fitting(RSF)水平集算法模型的圖像分割方法，對(duì)灰度不均勻性存在的

3、圖像分割處理有理想的實(shí)驗(yàn)效果，并且具有較快的算法迭代速度。然而，該算法的計(jì)算是在圖像全局范圍內(nèi)進(jìn)行的，一些不感興趣的分割區(qū)域參與計(jì)算，導(dǎo)致對(duì)分割效果的干擾并加大了計(jì)算量。
　　3、為實(shí)現(xiàn)對(duì)感興趣區(qū)域的分割處理，如腦部腫瘤，基于RSF模型提出了一種有效的水平集演化窄帶算法。在整個(gè)水平集演化的過(guò)程中，使用一定的算法規(guī)則，將計(jì)算限制在一定的窄帶范圍內(nèi)。實(shí)現(xiàn)感興趣區(qū)域的分割并且非常有效的降低了計(jì)算量。為進(jìn)一步降低計(jì)算復(fù)雜度，基于窄帶算法，