【摘要】：隨著醫(yī)療技術的不斷發(fā)展,現(xiàn)如今醫(yī)生對于自動化醫(yī)療設備的依賴程度越來越高,而醫(yī)學圖像領域的快速發(fā)展使得很多以前很棘手的問題也得以解決。以前在臨床中,對于醫(yī)學圖像,醫(yī)生只能通過肉眼來判斷異常區(qū)域或者病灶區(qū)域,并且需要手動標定然后勾畫出來。雖然這并不影響醫(yī)務工作的開展,但是這種肉眼判斷手動標定的方式需要醫(yī)務人員有很高的醫(yī)學造詣和臨床經(jīng)驗,一旦標定有誤差就會影響后續(xù)診斷和治療的開展,所以不能從根本上排除誤診和錯診的可能性。因此發(fā)展自適應較強的醫(yī)學圖像分割技術就顯得非常有必要。如今患者對于醫(yī)療效果的要求越來越高,各種新的病例也層出不窮,使得醫(yī)務人員對于醫(yī)學圖像設備的要求也越來越高,尤其是在處理腦部和顱骨圖像的時候。本文所研究的就是最新的針對醫(yī)學圖像領域的分割算法。本文開頭將介紹幾個比較經(jīng)典的分割算法,如邊界分割方法和區(qū)域分割方法,這些算法是較為早期的分割算法,也可用在醫(yī)學圖像處理領域,在處理比較規(guī)則和清晰的圖像時可以得到比較好的效果,但是在處理腦部異常區(qū)域時效果不盡人意。因為人體腦部結構復雜不規(guī)則,并且人體腦部很多不同組織在MRI圖像中顯示時會表現(xiàn)出相近甚至相同的灰度值,所以在處理腦部異常區(qū)域時,這些經(jīng)典算法誤差較大,并不能滿足臨床診斷的要求,但是它們的出現(xiàn)為后來的研究者提供了理論基礎和啟發(fā)。之后發(fā)展出來的模糊聚類算法即FCM(Fuzzy cluster method)算法是圖像分割領域的一大進步,使用FCM算法基本可以分割較為復雜的圖像,自適應性和精確性較之前的經(jīng)典算法都有了極大的提升。然而經(jīng)典的FCM算法應用在醫(yī)學圖像處理領域也只是解決了最基本的分割問題,精確度仍然還有提升的空間。本文重點介紹的就是在經(jīng)典FCM算法基礎上的改進方法,如加入高斯卷積的快速FFCM分割方法,直方圖均衡化的改進FFCM算法,加入全局空間限制模型和本地空間限制模型的FGFCM算法,基于局部偏差估計的空間約束的FCM算法,加入鄰域影響因子的sFCM算法。這些算法都是在經(jīng)典FCM算法的某個環(huán)節(jié)上加以改進或者添加一些環(huán)節(jié)來達到更好的精確度或者更好的抗噪性和效率值,從而實現(xiàn)更好的分割效果。
【學位授予單位】：南昌航空大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R445.2;TP391.41

【參考文獻】

相關期刊論文 前10條

1 李軍;江曉亮;李柏林;歐陽;;基于多尺度局部特征的圖像分割模型[J];傳感器與微系統(tǒng);2017年02期

2 宋國權;李金鋒;;基于聚類算法的腦部MR圖像分割[J];中國醫(yī)療設備;2017年01期

3 張建偉;王譯禾;陳允杰;;基于非線性擴散濾波結構信息的圖像去噪方法[J];計算機工程與設計;2016年11期

4 宋楊楊;劉迎洲;謝曉振;郝智慧;;圖像局部交互熵分割模型的兩步快速優(yōu)化[J];中國圖象圖形學報;2016年11期

5 王月新;劉明君;;sobel算子與prewitt算子分析與研究[J];計算機與數(shù)字工程;2016年10期

6 侯曉凡;吳成茂;;一種快速的模糊局部C-均值聚類分割算法[J];計算機科學;2016年10期

7 杜默;王清理;;基于雙邊緣檢測的目標定位技術[J];計算機與現(xiàn)代化;2016年08期

8 薛艷鋒;劉繼華;高永強;高志娥;武彩紅;;一種加權模糊C均值聚類算法及其在圖像分割中的應用[J];計算機應用與軟件;2016年07期

9 劉璐;吳成茂;;基于類內類間距離的模糊C-均值聚類分割算法[J];計算機工程與設計;2016年06期

10 戴珊;李廣軍;;結合近鄰傳播聚類的自適應圖像分割[J];計算機科學;2016年S1期

相關碩士學位論文 前1條

1 靳婧;醫(yī)學圖像配準與分割算法研究[D];電子科技大學;2014年

本文編號：2731229