基于Grouping Bandlet的超聲醫(yī)學圖像分割與應用.pdf

1、汕頭大學碩士學位論文題目基于GroupingBlet的超聲醫(yī)學圖像分割與應用英文題目SegmentationofUltrasoundImageitsApplicationBasedonGroupingBlet姓名鄭柏泠學號10809018所在學院所在學院工學院導師姓名導師姓名沈民奮專業(yè)通信與信息系統(tǒng)通信與信息系統(tǒng)入學時間入學時間2008年9月答辯日期答辯日期2011年5月I摘要近年來，癌癥死亡率在全球范圍內不斷增長，比如，乳腺癌已成為威

2、脅婦女健康的頭號殺手，且趨于年輕化，特別是在歐洲和北美地區(qū)。事實上，大多數(shù)的癌癥是可以在早期被檢查出并通過簡單而費用低的治療方法治愈。而準確的病灶分割則是癌癥早期檢測和診斷的關鍵。超聲成像由于其獨具的實時性、無損性、廉價性、可重復性好、靈敏度高等優(yōu)勢而廣泛應用于癌癥的診斷和治療中，它在人體內部組織的定量分析、實時監(jiān)控和治療規(guī)劃等方面都具有極大的潛力。但是由于醫(yī)學超聲圖像本身固有的斑點噪聲以及組織間的紋理特性差異，導致腫瘤病灶的超聲圖像分

3、割一直以來都是國內外醫(yī)學影像研究人員渴望攻克的世界性難題之一。針對這一現(xiàn)狀，本文在深入調研當前病灶超聲圖像分割的研究現(xiàn)狀以及超聲成像機制的基礎上，改進或提出適用于腫瘤病灶超聲圖像分割的處理方法，并對所提出的方法進行了理論和實驗兩方面的驗證。本文首先對腫瘤病灶的超聲圖像分割的產生背景、目的、發(fā)展現(xiàn)狀等方面進行了較全面的綜述；并對醫(yī)學超聲診斷以及超聲成像原理進行了概述。在此基礎上，針對非線性相干模型（NCD）存在的不穩(wěn)定性問題，通過引入無監(jiān)

4、督分類算法，重點提出了自適應非線性相干增強模型（AdaptiveNonlinearCoherentDiffusion，ANCD），有效地解決了非線性相干模型存在的參數(shù)敏感問題，從而提高了算法的健壯性。理論與實驗均表明，其去噪效果顯著提高，而且進一步提高了原始NCD模型的自動化性能，減少了人工參與，更重要的是在圖像處理效果上更加清晰，視覺效果上更優(yōu)，更有真實感。其次，針對GroupingBlet所存在的固有問題，通過引入離散小波包框架（D

5、WPF），提出了DWPFGroupingBlet方法，解決了原始GroupingBlet無法進一步分析圖像的中頻信息問題以及確保了對圖像描述的平移不變性問題。之后，在深入研究當前超聲腫瘤病灶圖像分割現(xiàn)狀的基礎上，提出了綜合采用DWPFGroupingBlet、ISNE以及SVM等一系列技術實現(xiàn)對超聲圖像病灶腫瘤的邊緣提取算法。仿真和臨床試驗均表明，本文提出的分割方法不僅具有良好的抗噪性能，而且捕獲幾何特征能力強，通過與當前主流的幾種算法