醫(yī)學圖像分割算法研究及其在心臟分割中的應用.pdf

1、醫(yī)學影像分割是計算機輔助診斷和治療計劃制訂中一項非常重要的工作,是醫(yī)學圖像處理與分析的一個重要領域,同時也是計算機輔助診斷與治療的基礎。所謂圖像分割就是根據(jù)某種均勻性或一致性的原則將圖像分成若干個有意義的部分,使得每部分都符合某種一致性的要求。近年來隨著醫(yī)學影像獲取技術的不斷提高,圖像的質(zhì)量越來越好,分辨率越來越高,細節(jié)越來越復雜,使得傳統(tǒng)分割算法所需要的時間越來越多,通用性也越來越差。如何高效而又精確的在圖像中分割出感興趣的器官成為國

2、際上一個重要且前沿的研究課題。據(jù)世界衛(wèi)生組織統(tǒng)計,心血管疾病已經(jīng)成為全世界造成人類非意外死亡的第一大殺手。因此,對心血管疾病的早期診斷和治療變得非常重要。近年來,國際上出現(xiàn)了許多針對人類心臟中某些解剖結構的分割算法,最為常見的便是針對心房、心室的分割。但是對于計算機輔助診斷、治療和醫(yī)生的實際需要,常常需要將整個心臟分割出來。這項工作非常具有挑戰(zhàn)性,一方面心臟的解剖結構非常復雜,包含心房、心室、冠狀動脈、血管、心包以及瓣膜等結構;另一方面

3、心臟的持續(xù)跳動使獲得醫(yī)學影像具有變化的相位特性,難以定位和分割。由于醫(yī)學影像的成像原理,心房、心室在醫(yī)學影像中非常明顯,很容易識別和分割;而心肌等結構則與周圍組織在圖像灰度上非常接近,并且存在粘連,從而造成了分割的困難。國際上全心臟分割算法還比較少,也比較不成熟,本課題就是致力于對各種常用分割算法進行分析和調(diào)研,研究出一個有效的分割算法,將其應用在全心臟分割中實現(xiàn)對整個心臟的完全分割和心臟組織結構包括心房心室和心肌的自分割,滿足計算機輔

4、助診斷、治療和醫(yī)生的臨床需求,具有很大的科研和臨床意義。本文的主要工作和創(chuàng)新點如下:1.介紹國際上常用的醫(yī)學圖像分割算法的研究現(xiàn)狀,并著重介紹了基于期望最大化算法(EM Method)和基于水平集方法(Level Set Method)的分割算法。2.根據(jù)醫(yī)學圖像分割的特點,對期望最大化算法進行改進和優(yōu)化,并與原始的期望最大化算法做了對比和評價,使之能更好的實現(xiàn)心臟分割這一研究目標。3.提出了基于改進的期望最大化算法和帶形狀先驗模型的水

5、平集方法的混合分割模型,結合了它們各自的優(yōu)勢,并將其應用在醫(yī)學圖像分割,特別是心臟分割領域中。4.實現(xiàn)人體心臟CT和MRI圖像的全分割和自解剖結構的分割。在全心臟分割這一分割領域內(nèi)的難點上,我們提出了使用基于優(yōu)化的期望最大化算法和帶形狀先驗模型的水平集混合模型,對心臟的CT和MRI圖像進行分割。通過在多組試驗數(shù)據(jù)上的大量實驗,結合對算法參數(shù)的討論和與金標準的對比分析,并與其他分割方法做了試驗對比和評價,驗證了算法的魯棒性和精確性,確定了