基于水平集和Mumford-Shah模型的醫(yī)學(xué)圖像分割.pdf

1、水平集方法是一種描述曲線以曲率相關(guān)的速度演化的有力工具。本文研究了水平集曲線的演化方法，對水平集方法的原理進(jìn)行了比較詳細(xì)的闡述，并將其應(yīng)用于醫(yī)學(xué)圖像分割，取得較為滿意的效果。 由于水平集方法是基于圖像的梯度差別對目標(biāo)物體進(jìn)行分割，而尿沉渣圖像中的血細(xì)胞與其背景相比圖像梯度不明顯，因而使用水平集方法對其進(jìn)行分割無法獲得滿意結(jié)果。本文中所使用的基于水平集的Mumford-Shah模型，是依靠圖像的全局信息，而不是圖像梯度，并且對處理

2、外形復(fù)雜、拓?fù)浣Y(jié)構(gòu)改變的目標(biāo)具有非常大的優(yōu)勢。這一點對圖像梯度差別不十分明顯，而拓?fù)浣Y(jié)構(gòu)又比較復(fù)雜的醫(yī)學(xué)圖像進(jìn)行分割來說，是十分重要的。本文將該模型應(yīng)用于尿沉渣圖像中的血細(xì)胞的分割，經(jīng)實驗證明，效果顯著。 由于肺結(jié)節(jié)在肺內(nèi)部早期癥狀是分布十分零散，并且肺結(jié)節(jié)的邊緣多呈現(xiàn)為不規(guī)則形狀，這就需要在肺部全局圖像中去尋找肺結(jié)節(jié)，并將其盡可能準(zhǔn)確地識別出來。而全局分割正是基于水平集的Mumford-Shah模型的強項，但國內(nèi)外還沒有人將該

3、模型應(yīng)用于肺結(jié)節(jié)的識別，因而本文首次將該模型引入到對肺結(jié)節(jié)的識別工作中。但全局分割所產(chǎn)生的運算量卻非常巨大，尤其在處理數(shù)據(jù)量巨大的圖像時，這一點尤為突出。為了減少運算量，縮短運算時間，我們在使用上述模型進(jìn)行肺結(jié)節(jié)識別之前，對圖像進(jìn)行相應(yīng)的預(yù)處理。通過預(yù)處理，增強圖像的對比度，減少肺部的紋理結(jié)構(gòu)對迭代運算的影響，并將肺實質(zhì)識別出來。經(jīng)實驗結(jié)果可知，所需迭代的次數(shù)大大減少，極大縮短了運算所需時間，對圖像中肺結(jié)節(jié)也做出了正確的識別，實驗證明，