本文選題：核磁共振圖像 + 偏移場矯正模糊C-均值聚類�。� 參考：《沈陽建筑大學》2015年碩士論文

【摘要】：隨著科技的發(fā)展,核磁共振成像(Magnetic Resonance Imaging, MRI)、X射線計算機斷層掃描成像、正電子發(fā)射斷層成像術(shù)和單光子發(fā)射計算機斷層成像術(shù)等醫(yī)學成像技術(shù)的使用越來越廣泛。醫(yī)生的時間精力有限,同時存在一定的主觀差異性,計算機輔助診斷系統(tǒng)在臨床上發(fā)揮的作用越來越重要。醫(yī)學成像技術(shù)可以在無創(chuàng)傷的情況下為醫(yī)護人員提供很多有用的信息。同時由于其可以多次使用,在疾病診斷、病情監(jiān)控、手術(shù)效果反饋等方面起著非常重要的作用。MRI擁有無輻射性傷害、分辨率高和多參數(shù)任意角度成像等優(yōu)點,因而得到了廣泛應(yīng)用。作為三維重建等其它醫(yī)學圖像處理手段的基礎(chǔ),腦MRI圖像的精確分割對醫(yī)學圖像處理和醫(yī)療技術(shù)的發(fā)展具有重要意義。然而,在實際應(yīng)用中,腦MRI圖像中存在一定的缺陷如噪聲、偏移場、部分容積效應(yīng)及低對比度等。這導(dǎo)致腦MRI圖像的精確分割成為了一個困難的問題。本文針對MRI圖像的分割問題進行研究。由于腦MRI圖像分割的重要性,國內(nèi)外研究人員對MRI圖像分割的問題提出了很多行之有效的方法。如活動輪廓模型、馬爾科夫隨機場、Atlas圖集、模糊聚類等。其中模糊C均值算法(Fuzzy C-means, FCM)是尤為被國內(nèi)外學者常用的一種方法。但是標準的FCM算法基于圖像的灰度信息,而沒有考慮圖像的空間信息,在分割高噪聲高偏移場的圖像上效果不佳。偏移場矯正模糊C-均值算法(Bias-Corrected FCM,BCFCM)在FCM的基礎(chǔ)上增加了對偏移場的估計和空間信息的使用,可以很好的解決圖像偏移場對分割造成的影響。但是BCFCM算法由于沒有考慮到噪聲對偏移場估計的影響,所以在分割高噪聲圖像的時候會對偏移場估計錯誤,從而對分割結(jié)果造成影響。本文針對MRI腦組織分割,在圖像預(yù)處理過程中提出一種快速的分割方法來去除顱骨及其附屬物。此外,針對于BCFCM算法存在的缺陷,主要提出了兩方面的改進方案：提出了一種基于BCFCM的改進算法,該改進算法在迭代過程中可以通過對噪聲強度的估計來自適應(yīng)的改變目標函數(shù)窗口的大小。通過對比實驗表明,該改進方案大大增強了BCFCM算法對噪聲的魯棒性。同時,考慮到BCFCM算法在偏移場上的估計錯誤,提出了一種算法,通過引入高斯核函數(shù)對偏移場進行平滑處理,并通過閾值限制偏移場的估計值,可以有效地避免偏移場的錯誤估計對分割結(jié)果的影響。實驗結(jié)果表明,改進后算法不僅可以有效準確地對腦組織分割,而且具有較強的抗噪聲和處理偏移場的能力。
[Abstract]:With the development of science and technology, magnetic resonance imaging, X-ray computed tomography, positron emission tomography and single-photon emission tomography are more and more widely used in medical imaging technology. The time and energy of doctors are limited and there are some subjective differences at the same time. Computer aided diagnosis system plays a more and more important role in clinical practice. Medical imaging technology can provide a lot of useful information for health care workers without trauma. At the same time, because it can be used many times, it plays a very important role in disease diagnosis, disease monitoring, surgical effect feedback and so on. MRI has the advantages of no radiation injury, high resolution and multi-parameter arbitrary angle imaging. As a result, it has been widely used. As the basis of 3D reconstruction and other medical image processing methods, the accurate segmentation of brain MRI image is of great significance to the development of medical image processing and medical technology. However, in practical applications, there are some defects in MRI images, such as noise, offset field, partial volume effect and low contrast. This leads to the accurate segmentation of brain MRI image becomes a difficult problem. In this paper, the segmentation of MRI images is studied. Because of the importance of brain MRI image segmentation, researchers at home and abroad have put forward many effective methods for MRI image segmentation. Such as active contour model, Markov random field Atlas atlas, fuzzy clustering and so on. Fuzzy C-means algorithm (FCM) is one of the most popular methods used by scholars at home and abroad. However, the standard FCM algorithm is based on the gray level information of the image and does not consider the spatial information of the image, so it is not effective in the segmentation of the image with high noise and high migration field. The bias-corrected FCM-BCFCM) adds the estimation of migration field and the use of spatial information on the basis of FCM, which can solve the effect of image migration field on segmentation. But the BCFCM algorithm does not take into account the effect of noise on the estimation of the migration field, so the estimation of the offset field will be wrong in the segmentation of high noise images, which will have an impact on the segmentation results. In this paper, a fast segmentation method is proposed to remove skull and its appendages in the process of image preprocessing for MRI brain tissue segmentation. In addition, aiming at the defects of BCFCM algorithm, this paper mainly puts forward two improved schemes: an improved algorithm based on BCFCM is proposed. The improved algorithm can adjust the size of the object function window through the estimation of the noise intensity in the iterative process. The comparison experiments show that the improved scheme greatly enhances the robustness of BCFCM algorithm to noise. At the same time, considering the error of the BCFCM algorithm in the offset field, a new algorithm is proposed, in which the offset field is smoothed by introducing Gao Si kernel function, and the estimated value of the offset field is limited by the threshold. The effect of misestimation of offset field on segmentation results can be effectively avoided. The experimental results show that the improved algorithm can not only effectively and accurately segment the brain tissue, but also has a strong ability to resist noise and process the offset field.
【學位授予單位】：沈陽建筑大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R445.2;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 馮前進;陳武凡;;模糊馬爾可夫場模型與圖像分割新算法[J];南方醫(yī)科大學學報;2006年05期

2 郭迎;趙于前;;圖像分割與醫(yī)學工程大學生創(chuàng)新能力培養(yǎng)[J];中國醫(yī)學物理學雜志;2012年02期

3 黃峰茜;陳春曉;姚均營;;圖像分割方法的研究進展[J];中國醫(yī)療器械信息;2006年12期

4 安玉林;關(guān)建中;;分子影像學中圖像分割技術(shù)方法研究[J];醫(yī)療衛(wèi)生裝備;2008年11期

5 王媛;楊亞平;;主要舌圖像分割方法特點淺析[J];中國中醫(yī)藥信息雜志;2011年05期

6 勞麗;吳效明;朱學峰;;模糊集理論在圖像分割中的應(yīng)用綜述[J];中國體視學與圖像分析;2006年03期

7 曹會志;羅述謙;;基于自動策略的腦圖像分割[J];中國醫(yī)學影像技術(shù);2007年02期

8 趙榮椿,遲耀斌,朱重光;圖像分割技術(shù)進展[J];中國體視學與圖像分析;1998年02期

9 楊靜;王明泉;李志剛;任少卿;;減影技術(shù)在射線圖像分割與提取中的應(yīng)用[J];中國體視學與圖像分析;2007年02期

10 王小燕;許建榮;;圖像分割技術(shù)在血管圖像中的應(yīng)用[J];中國介入影像與治療學;2009年01期

相關(guān)會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學會影像技術(shù)分會第十七次全國學術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學應(yīng)用[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學術(shù)論壇（交通運輸工程學科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學學術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進展[A];中華中醫(yī)藥學會中醫(yī)診斷學分會第十次學術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學CT中的應(yīng)用[A];中國自動化學會控制理論專業(yè)委員會A卷[C];2011年

相關(guān)博士學位論文 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學;2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學;2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學;2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學;2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學;2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學;2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學技術(shù)大學;2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學;2014年

9 帥永e，

本文編號：2020650