醫(yī)學CT圖像分割方法研究.pdf

1、醫(yī)學圖像分割是醫(yī)學圖像處理與分析的基礎，該問題的解決不僅直接影響到計算機圖形圖像技術在醫(yī)學中成功應用而且有重要的理論和實際意義。醫(yī)學圖像分割是一個提取感興趣區(qū)域的過程，其分割結果可以為隨后的疾病診斷、治療方案規(guī)劃以及治療效果評估等提供參考。CT由于具有較高分辨力，能更清晰的彰顯解剖結構和病變組織等特點，使其廣泛地應用到許多系統(tǒng)的疾病診斷。因此，研究圖像分割方法在 CT圖像中的應用具有非常重要的意義。本文主要針對髖關節(jié)、包含胸膜結節(jié)的肺部

2、以及肝臟等 CT圖像進行研究，其目的是構建準確、自動的分割方法為醫(yī)生的診斷和治療提供幫助。
　　正常的髖關節(jié)由股骨頭和髖臼兩部分組成。在髖關節(jié) CT圖像中，由于股骨頭和髖臼之間連接區(qū)域非常狹窄以及一些疾病等原因導致骨密度不均勻，使得準確分割髖關節(jié) CT圖像變得非常困難。針對上述問題，本文提出一種基于迭代自適應閾值分類和貝葉斯判別分析技術相結合的三維髖關節(jié) CT圖像自動分割方法。該方法首先利用形態(tài)學增強技術提高連接區(qū)域與骨組織之間的

3、灰度對比度，在隨后過程中，針對閾值分割結果使用基于貝葉斯判別方法的迭代自適應分類最終實現(xiàn)股骨頭和髖臼之間的分離。
　　由于在上述分割方法中多次使用數(shù)學形態(tài)學，使得分割出的結果往往被過分光滑而丟失骨邊緣的細節(jié)；再者，形態(tài)學操作依賴于結構元素的選取，選擇不同形狀或者尺寸的結構元素會對分割結果帶來一定的影響。針對上述問題，本文提出一種基于骨曲面頂點法線方向灰度變化的邊緣校正算法。通過該校正算法不僅可以實現(xiàn)骨邊界體素的準確定位，同時可以得

4、到髖關節(jié)的三維可視化結果。實驗結果驗證了本算法的準確性以及臨床適用性。
　　由于肺部充滿空氣，相比于周圍組織具有較低密度，因此閾值方法是一種常用的肺部CT圖像分割方法。但對于包含胸膜結節(jié)的肺部CT圖像來說，由于胸膜結節(jié)位置以及大小的多變性且與周圍組織具有相似的密度，閾值方法難以準確的將其包含；再者靠近縱膈區(qū)域的高密度的肺部血管也被閾值方法排除在外導致肺門區(qū)域的凸凹不平，傳統(tǒng)方法通常采用形態(tài)學方法進行光滑，但是形態(tài)學過分依賴結構元素

5、的選取。針對上述問題，本文提出一種準確自動的肺部 CT圖像分割方法和一種有效的肺部邊界校正和光滑算法。該方法利用模糊C均值實現(xiàn)肺部的快速自動分割。對于包含胸膜結節(jié)或者肺部血管的切片，本文提出一種基于迭代權重平均和自適應曲率閾值相結合的邊界修復和光滑算法。該方法可以自動準確檢測胸膜結節(jié)和肺部血管區(qū)域并將其光滑包含在肺部分割結果中。實驗結果驗證了本算法的快速性以及有效性。
　　在肝臟 CT圖像中，由于腹部器官之間的低對比度、器官病變的

6、存在以及個體之間器官形狀的差異，使得傳統(tǒng)的僅依賴圖像灰度信息的分割方法難以取得較好的肝臟分割結果，傳統(tǒng)方法往往容易導致肝臟分割結果的泄露。針對上述問題，本文提出一種基于對比增強 CT圖像的三維肝臟分割方法。分割方法由訓練相和測試相兩部分組成。在訓練相中，利用主成分分析方法形狀訓練得到肝臟平均形狀強度模型以及在各主成分上的形狀變動。對測試集中的每一個目標圖像，首先通過與所有圖譜進行相似度匹配得到該目標圖像的最有可能肝臟區(qū)域，隨后利用最大化