【摘要】：腫瘤的檢測分割一直是醫(yī)療領(lǐng)域的一大難點,也是當(dāng)前急需完善的一項技術(shù)。腫瘤的檢測可以用傳統(tǒng)的物理檢測,但是對患者的創(chuàng)傷較大,所以本文提出的方法是通過MRI/CT圖進(jìn)行檢測。利用機器實現(xiàn)腫瘤的三維檢測分割有兩種方法,其一是先在CT/MRI圖上進(jìn)行檢測劃分,再將識別分割好的圖像進(jìn)行三維重構(gòu)。另一種是直接在三維效果圖上檢測分割,本文選用第一種方法。本文通過對腫瘤的MRI/CT圖像進(jìn)行配準(zhǔn)檢測與半自動分割,括出二維圖像中腫瘤的輪廓。然后再將提取出的二維圖片進(jìn)行三維重構(gòu),使腫瘤呈現(xiàn)接近現(xiàn)實的立體效果。本文中主要解決的問題有以下幾點:1、針對患者不同時間和位置的腫瘤掃描圖像有偏差,同一腫瘤患處,在短時間內(nèi)形態(tài)會發(fā)生變化,使得類似的病理情況在三維重構(gòu)時,出現(xiàn)重建不準(zhǔn)確的情況。本文提出基于同構(gòu)微分流形的迪蒙斯方式配準(zhǔn),再將圖像進(jìn)行準(zhǔn)確融合。2、二維圖像分割之前,由于不同的硬件條件,醫(yī)學(xué)成像設(shè)備在輸入、傳輸和轉(zhuǎn)換過程中,CT/MRI圖片的質(zhì)量會受到影響,而且大部分的分割方法自主性都比較差。本文通過分析比較,找到基于自主映射的模糊K均值分割算法,通過模糊聚類快速找到相似像素類型,而且加入自主映射概念,結(jié)合機器學(xué)習(xí),提高自主性和運算效率,有利于下一步的分割處理。通過二維分割的眾多方法比較,發(fā)現(xiàn)該方法分割相對準(zhǔn)確、高效。3、重構(gòu)部分通過VC++6.0進(jìn)行三維重建,并且利用MC算法進(jìn)行模型構(gòu)建。但構(gòu)建的網(wǎng)格面數(shù)過多,雖然能更完好地展示三維立體效果,但在文件傳輸、存儲過程中占有內(nèi)存太大,文件或多或少會有損壞,本文提出幾何值與數(shù)據(jù)值函數(shù)結(jié)合考慮的網(wǎng)格簡化方法能夠有效減少三維文件所占內(nèi)存,并且不會過于損壞還原效果。
【圖文】：

ｇＱ邋＝邋ａｒ§邋ｍａｘ７；邋（／，））邐（２－１）逡逑在圖２．１中，一個配準(zhǔn)過程的例子，呈現(xiàn)了一個配準(zhǔn)計算機斷層掃描（ＣＴ）圖像，逡逑代表了一種放射醫(yī)學(xué)模式。為了配準(zhǔn)輸入圖像，必須經(jīng)過一些子過程，如圖２．２。逡逑■畫媝逡逑圖２．１圖像配準(zhǔn)實例：從左到右依次為－參照、目標(biāo)、和配準(zhǔn)后的腫瘤圖像逡逑相似、不同測量是第一步，輸入圖像通過比較彼此來測量它們之間的相似性［２４］。有逡逑效的測量必須抵制噪音和背景的變化。這提供了有效的計算結(jié)果以及有效處理語義性的逡逑圖像意義。然后，點探測器應(yīng)用于描述控制、關(guān)鍵點以得到關(guān)鍵信息。逡逑發(fā)現(xiàn)的點應(yīng)該是獨立于任何包括噪聲、模糊、對比度、幾何形狀的變化。檢測控制逡逑點后，，下一步是獲取這些點代表的圖像處理的關(guān)鍵信息。提取這些點可以手動或自動完逡逑成。提取的點可以是簡單點，如統(tǒng)計點包括均值和方差［２５］。此外，它也可以是復(fù)雜的，逡逑比如紋理點。無論提取點的類型是什么，它們必須保證一些特點。這些特征能夠區(qū)分空逡逑間鄰元素，保證原始圖像恒定不變，對噪音的強健性，促進(jìn)在其他圖像上對應(yīng)點的檢測。逡逑用來表示圖像描述符提取的臨界點來預(yù)計圖像之間的相似性［２６］。因此

邐Ｊ０邐＾逡逑圖２．３常見的剛性變換方法用坐標(biāo)變換步驟：＆和＇，旋轉(zhuǎn)角度：擴展因子：＆和剪切逡逑因子：Ｃ和Ｇ逡逑＿著＿V逡逑圖２．４剛性轉(zhuǎn)換的類型：從左到右依次為參考圖像和目標(biāo)圖像的相似性變換，仿射變換，和投逡逑影變換逡逑＾邋ｘ１邋ｆ邋ｗｎ邋ｗ１２邐ｗ１３邋Ｖｘ＾ｊ邋ｆ＼邋０邐０邐０邋Ｖｃｏｓ＜９邋－ｓｉｎ０邋０Ｎ逡逑ｙ＇邋＝邋ｗ２１邐ｗ２２邐ｗ２３邐＾邋＝邋０１邋Ｓｙ邋０邋ａｙ邋０邋ｓｉｎ邋６邋ｃｏｓ６＊邋０逡逑Ｊ邋Ｌ。邋？邋１邋ＪｌｌＪ邋。邋１邋兒？邋Ｑ邋１兒。邋？邐（２＿３）逡逑＇ｉ邋ｏ邋ｏＶｉ邋ｃ，邋0Ｖｘ＞逡逑Ｘ邋４邐１邐０邐０邐１邐０邋ｙ逡逑、０邋０邋１兒０邋０邋１兒邋Ｌ逡逑１２逡逑
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R730.44;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張瑤;劉生輝;;基于MATLAB的圖像融合技術(shù)[J];中國科技信息;2016年01期

2 劉雪莉;宋志堅;;超聲和MR/CT圖像的非剛性配準(zhǔn)技術(shù)[J];生命科學(xué)儀器;2015年Z1期

3 原惠峰;楊風(fēng)暴;張雷;牛濤;;不同圖像融合技術(shù)的融合性能分析比較[J];中國科技論文;2015年20期

4 張桂梅;周飛飛;儲s

本文編號：2584776