基于圖割和水平集的肺部CT圖像分割研究.pdf

1、肺部CT圖像分割就是將肺部組織圖像從其背景圖像中提取出來(lái)的技術(shù)。由于分割出來(lái)的組織圖像不僅有助于減少醫(yī)生讀圖的負(fù)擔(dān)，而且也是后續(xù)更高級(jí)應(yīng)用如可視化和三維重建的基礎(chǔ)。所以如何精確和快速的完成分割工作是研究的重點(diǎn)。同時(shí)，肺部CT圖像具有噪聲大、對(duì)比度低、邊界模糊、紋理密集等特點(diǎn)。所以對(duì)其的精確和快速的分割也是研究的一大難點(diǎn)。
　　目前醫(yī)學(xué)圖像分割方法按照是否有人工交互可以分為半自動(dòng)分割方法和自動(dòng)分割方法。半自動(dòng)分割方法由于把操作者的知

2、識(shí)和計(jì)算機(jī)的處理能力有機(jī)的結(jié)合起來(lái)，往往能獲得較為理想的分割結(jié)果，所以在臨床上應(yīng)用較多，現(xiàn)在的研究主要集中在提高交互友好性和提高分割速度上。而自動(dòng)分割方法由于能夠完全脫離人的干預(yù)，所以是未來(lái)的發(fā)展方向，但是由于醫(yī)學(xué)圖像的復(fù)雜性，自動(dòng)分割方法往往還不能獲得讓人滿意的結(jié)果，所以主要還停留在實(shí)驗(yàn)室階段，對(duì)其的研究主要集中在提高分割精度和分割速度上。本文針對(duì)肺部CT圖像的特點(diǎn)進(jìn)行研究，結(jié)合圖割和水平集算法的優(yōu)缺點(diǎn)，提出了一種半自動(dòng)分割算法和一種

3、自動(dòng)分割算法，主要的創(chuàng)新點(diǎn)和貢獻(xiàn)如下：
　　①提出了一種基于圖割的肺部CT圖像半自動(dòng)分割算法。該算法針對(duì)圖割(GraphCuts)算法本身在效率上的不足進(jìn)行改進(jìn)，使用超像素算法SLICO(零參數(shù)的簡(jiǎn)單線性迭代聚類(lèi))將圖像處理成許多小區(qū)塊，然后用這些小區(qū)塊代替像素作為節(jié)點(diǎn)來(lái)構(gòu)建圖模型，大大減少節(jié)點(diǎn)數(shù)量，同時(shí)基于肺部CT圖像的形狀特征對(duì)交互方式進(jìn)行優(yōu)化，并對(duì)圖上邊的權(quán)值計(jì)算公式進(jìn)行改進(jìn)，最后使用簡(jiǎn)化過(guò)的迭代式圖割算法GrabCut算法

4、對(duì)圖模型進(jìn)行迭代處理。最終使得新算法在具有更好交互性的同時(shí)，提高了分割速度。
　?、谔岢隽艘环N基于水平集的肺部CT圖像自動(dòng)分割算法。該算法針對(duì)水平集算法計(jì)算復(fù)雜、迭代次數(shù)過(guò)多和邊界不夠精確等缺點(diǎn)進(jìn)行分析和改進(jìn)。首先，基于肺部CT圖像特征，結(jié)合使用廣度優(yōu)先搜索和形態(tài)學(xué)等操作，預(yù)先獲取到肺部區(qū)域的大致輪廓，之后再使用水平集算法在較少的迭代次數(shù)下獲取到較為精確的目標(biāo)輪廓邊界，最后再用圖割算法對(duì)輪廓邊界進(jìn)行優(yōu)化，最終使得新算法相對(duì)于普通的