基于高分辨率MRI圖像的面部軟組織的分層分割.pdf

1、面部軟組織的分層分割主要是指對面部的皮膚，皮下脂肪，肌肉等不同組織進(jìn)行分層識別及分割。該研究可以為醫(yī)生提供對特定目標(biāo)組織定性定量的測量，進(jìn)而為醫(yī)學(xué)診斷和臨床治療提供數(shù)據(jù)基礎(chǔ)。在分割的基礎(chǔ)上構(gòu)建的三維模型還可以為醫(yī)生提供手術(shù)方案仿真及術(shù)后效果模擬。因此，該研究工作不僅可以提高醫(yī)生診斷的準(zhǔn)確性和客觀性，對提高外科整形手術(shù)的質(zhì)量也有重要的意義。
　　目前，國內(nèi)外學(xué)者對軟組織的分割研究大多集中在大腦和心肺等組織，對于面部軟組織的研究工作相

2、對較少。此外，基于MRI圖像的面部軟組織分割易受噪音，偽影，灰度不均勻，部分容積效應(yīng)和相鄰相似灰度組織的影響，存在一定的分割難度。因此，基于MRI圖像的面部軟組織的分割這項(xiàng)工作有一定的研究意義。本文的研究內(nèi)容和成果主要有:
　　1.根據(jù)MRI圖像的空間連續(xù)性和相鄰切片間解剖結(jié)構(gòu)的相似性，以上一切片的分割結(jié)果為先驗(yàn)，引入SBGFRLS方法實(shí)現(xiàn)皮膚組織的連續(xù)分割。同時，增加基于前后兩次迭代演化曲線的長度和曲線上點(diǎn)的位置變化程度的曲線迭

3、代停止條件，來改進(jìn)SBGFRLS方法，以解決面部空氣腔結(jié)構(gòu)導(dǎo)致的誤分割。
　　2.結(jié)合MICO算法及區(qū)域生長法設(shè)計(jì)了一種脂肪組織分割方法。該方法首先使用MICO算法和圖像運(yùn)算對灰度不均勻的MRI圖像進(jìn)行處理得到經(jīng)過灰度矯正的脂肪組織的初分割圖像，接著采用區(qū)域生長法對初分割圖像進(jìn)行二次分割，最后對二次分割結(jié)果進(jìn)行形態(tài)學(xué)處理以去除細(xì)小空洞，得到了比傳統(tǒng)的區(qū)域生長法，模糊C均值聚類，活動輪廓模型和圖割算法更為準(zhǔn)確的脂肪組織分割結(jié)果。