顱腦CT圖像分割算法研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，醫(yī)學(xué)影像已經(jīng)成為醫(yī)生診斷和治療的重要輔助手段，由于計(jì)算機(jī)斷層掃描(Computed Tomgraphy，CT)圖像的分辨率高，對(duì)人體損傷小，而成為病理和解剖研究的主要手段。然而醫(yī)學(xué)圖像本身有著很多不可避免的缺陷，為了提高圖像的可讀性以及對(duì)人體的解剖結(jié)構(gòu)和病變部位進(jìn)行更有效的觀察和診斷，輔助醫(yī)生對(duì)CT圖像的診斷，對(duì)醫(yī)學(xué)CT圖像進(jìn)行計(jì)算機(jī)處理就變得非常必要。圖像分割技術(shù)是圖像處理中的一個(gè)重點(diǎn)，也是計(jì)算機(jī)輔助診斷(comp

2、uter aided diagnosis，CAD)中很重要的一步，一直受到研究人員的關(guān)注。其基本概念是將圖像空間劃分成一些特定的區(qū)域，具體到顱腦CT圖像上，就是將顱腦CT圖像里有意義的特征或者需要應(yīng)用的特征提取出來。 本文首先對(duì)顱腦CT圖像分割的相關(guān)領(lǐng)域進(jìn)行了系統(tǒng)的分析，涵蓋了醫(yī)學(xué)圖像分割的研究現(xiàn)狀、研究意義、形式化定義和發(fā)展趨勢(shì)以及計(jì)算機(jī)斷層成像等內(nèi)容，形成了顱腦CT圖像分割的基礎(chǔ)理論框架。然后，著重分析了現(xiàn)有的若干圖像分割算

3、法。最后，重點(diǎn)針對(duì)顱腦內(nèi)部結(jié)構(gòu)提取、顱腦出血病灶提取，提出了不同以往的研究方法。 針對(duì)現(xiàn)有的提取顱腦CT圖像顱腔內(nèi)部結(jié)構(gòu)算法自動(dòng)性較差的問題，提出了一種基于線性濾波的新算法。該算法首先根據(jù)顱腦顱骨組織寬度大、灰度值高的特點(diǎn)，利用線性空間濾波方法提取顱腦顱骨的粗略輪廓；然后利用圖像數(shù)學(xué)形態(tài)學(xué)方法和基于閾值的水平左右掃描算法，實(shí)現(xiàn)顱內(nèi)組織的自動(dòng)化分割。通過對(duì)100例顱腦CT檢查病例的圖像進(jìn)行實(shí)驗(yàn)，來驗(yàn)證算法的可行性。實(shí)驗(yàn)結(jié)果表明，該

4、算法能夠?qū)崿F(xiàn)所有具有完整顱骨環(huán)的顱腔內(nèi)結(jié)構(gòu)的計(jì)算機(jī)自動(dòng)化分割，分割結(jié)果準(zhǔn)確，分割的準(zhǔn)確率達(dá)到99％。 為了提高顱內(nèi)出血(intracranial hemorrhage，IH)病灶分割準(zhǔn)確率，提出一種新的顱腦CT圖像分割方法，被懷疑為出血的區(qū)域可快速而有效的分割出來。首先利用前述的顱內(nèi)結(jié)構(gòu)提取算法提取顱內(nèi)區(qū)域；然后利用兩次模糊c均值聚類(Twice Fuzzy c—Means，TFCM)算法完成出血區(qū)域分割。第一次模糊c均值(Fu