24423.基于詞袋模型的mr圖像腦腫瘤分割方法的研究

1、南方醫(yī)科大學(xué)2011級(jí)碩士學(xué)位論文基于詞袋模型的MR圖像腦腫瘤分割方法的研究StudyonsegmentationofMRimagesforbraintumorbasedontheBoWmodel課題來(lái)源：國(guó)家863計(jì)劃項(xiàng)目課題基金(2012AA02A616)；學(xué)位申請(qǐng)導(dǎo)師姓專業(yè)名培養(yǎng)類培養(yǎng)層所在學(xué)人趙建奇名陳武凡教授馮前進(jìn)教授稱生物醫(yī)學(xué)工程型學(xué)術(shù)型次碩士院生物醫(yī)學(xué)工程答辯委員會(huì)主席吳建華教授答辯委員會(huì)委員黃瑞旺教授許乙凱教授韓國(guó)強(qiáng)教授

2、賴劍煌教授2014年5月20日廣州摘要療方案。在腫瘤的治療及預(yù)后階段，利用凇檢查還可以指導(dǎo)手術(shù)過(guò)程的進(jìn)行，測(cè)量腫瘤的體積及位置，為醫(yī)生帶來(lái)了許多便利，使腦腫瘤的診斷與治療更加方便、更加有效。但在現(xiàn)階段，腦腫瘤的分割一般由有經(jīng)驗(yàn)的醫(yī)生手工進(jìn)行，手工分割對(duì)醫(yī)生的專業(yè)知識(shí)及臨床經(jīng)驗(yàn)都有很高的要求，分割過(guò)程耗費(fèi)時(shí)間長(zhǎng)，同時(shí)容易引入人為誤差，分割結(jié)果因人而異。因此，在臨床與科研的巨大需求之下，m腦腫瘤圖像的自動(dòng)分割一直是近些年來(lái)的研究熱點(diǎn)。但凇腦

3、腫瘤圖像的自動(dòng)分割算法的研究一直以來(lái)都面臨著一些困難，這些困難主要包括：凇自身的成像原理與技術(shù)的限制；圖像采集過(guò)程中外部環(huán)境、設(shè)備本身和操作人員等因素的影響；腦組織本身的復(fù)雜結(jié)構(gòu)；不同個(gè)體間的巨大差異等。為了解決這些問題，研究者們從不同的方面著手，提出了許多相關(guān)的算法，主要包括：以微分算子和形變模型方法為代表的基于邊緣的分割方法；以閾值法和模糊聚類方法為代表的基于區(qū)域的分割方法；其他代表性的方法如圖譜法和基于分類器的方法等?；谶吘壍姆?/p>

4、割方法的原理是因?yàn)閰^(qū)域邊緣上的像素灰度值的變化往往比較劇烈，所以可以通過(guò)檢測(cè)不同區(qū)域間的邊緣來(lái)解決圖像分割問題。微分算子法通過(guò)利用圖像的一階或二階導(dǎo)數(shù)在階躍邊緣和屋脊邊緣取值不同的特性來(lái)檢測(cè)圖像的邊緣，其方法實(shí)現(xiàn)簡(jiǎn)單，邊緣檢測(cè)效果較好，是學(xué)習(xí)圖像處理過(guò)程中的必備方法。但由于邊緣檢測(cè)算子對(duì)噪聲十分敏感，對(duì)醫(yī)學(xué)圖像而言單純的依靠微分算子進(jìn)行圖像分割往往得不到滿意的結(jié)果。形變模型法通過(guò)內(nèi)力外力的結(jié)合作用使輪廓逐漸的靠近圖像邊緣從而得到分割結(jié)果