CT圖像中肝臟分割的數(shù)學(xué)建模方法.pdf

1、從腹部CT圖像中分割出精準(zhǔn)的肝臟輪廓是醫(yī)學(xué)圖像分割中的一個(gè)熱點(diǎn)問(wèn)題，同時(shí)也是一個(gè)極具挑戰(zhàn)的問(wèn)題。本文針對(duì)此問(wèn)題，提出了一種半自動(dòng)和一種全自動(dòng)的數(shù)學(xué)分割模型。
　　一方面，肝臟CT數(shù)據(jù)具有復(fù)雜的背景、低對(duì)比度、弱邊界以及高噪聲的特點(diǎn);另一方面，肝臟腫瘤或者其它肝臟病變的出現(xiàn)往往會(huì)將肝臟分成兩個(gè)表征完全不同的子區(qū)域。特別的，如果肝臟腫瘤位于肝臟表面，那么準(zhǔn)確的提取肝臟邊界將更為困難。此問(wèn)題雖然可以通過(guò)多次分割得到解決，但卻需要對(duì)體數(shù)據(jù)

2、進(jìn)行多次處理，這必然增加時(shí)間消耗。為此，在基于活動(dòng)輪廓模型的框架下，我們提出了新的混合變分模型。此模型僅僅用一個(gè)水平集函數(shù)就可以一次分割出含兩個(gè)子部分的整個(gè)肝臟組織。此模型創(chuàng)新性地引入了測(cè)地距離選擇的技巧來(lái)自適應(yīng)地選擇最相似的特征去驅(qū)動(dòng)曲線演化到準(zhǔn)確的肝臟邊界。另外，在定義局部區(qū)域表征項(xiàng)時(shí)，提出的加權(quán)直方圖技巧對(duì)精準(zhǔn)邊界的提取也有一定的貢獻(xiàn)。
　　基于測(cè)地距離選擇的肝臟分割方法需要人工給定初始化，這將降低方法的臨床應(yīng)用性。為此，我

3、們借助于深度學(xué)習(xí)和圖割給出了一種全自動(dòng)的肝臟分割方法。此方法包含兩個(gè)內(nèi)容:(ⅰ)利用三維卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)出肝臟概率圖，同時(shí)確定初始肝臟區(qū)域;(ⅱ)利用肝臟先驗(yàn)概率信息和圖割的技巧精分割初始的肝臟輪廓。此模型完全不需要任何人工操作，因此具有潛在的臨床應(yīng)用價(jià)值。另外，此模型中三維卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用在肝臟分割領(lǐng)域也屬于較早的工作。
　　本文所提出的所有分割模型均在公共數(shù)據(jù)集上進(jìn)行了驗(yàn)證。大量定性和定量的實(shí)驗(yàn)結(jié)果顯示了所提模型可以準(zhǔn)確地從