隨著醫(yī)學(xué)成像技術(shù)的發(fā)展,醫(yī)學(xué)圖像分割在臨床醫(yī)學(xué)領(lǐng)域的意義越來越顯著。很多疾病的診斷需要醫(yī)生定量分析相關(guān)組織器官的解剖結(jié)構(gòu),其前提條件是準(zhǔn)確地將這些組織器官從醫(yī)學(xué)圖像中分割出來。傳統(tǒng)的分割任務(wù)主要依靠醫(yī)師手動(dòng)完成,這種方式需要耗費(fèi)大量的時(shí)間和精力,且準(zhǔn)確度很大程度上取決于專家的知識和經(jīng)驗(yàn),因此分割結(jié)果具有一定的主觀性。本文將自適應(yīng)形狀約束的Graph Cuts算法用于三維腹部CT圖像分割,以實(shí)現(xiàn)肝臟、腎臟和脾臟多目標(biāo)的自動(dòng)分割,克服手動(dòng)分割的缺陷。傳統(tǒng)Graph Cuts算法主要利用圖像的灰度信息,然而腹部CT圖像所包含的組織器官較多,目標(biāo)輪廓較為模糊,因此容易出現(xiàn)過分割和欠分割現(xiàn)象。為彌補(bǔ)傳統(tǒng)Graph Cuts算法的不足,本文在分割圖像時(shí)充分利用目標(biāo)器官的形狀先驗(yàn)信息,在能量函數(shù)中增加懲罰項(xiàng)以約束待分割目標(biāo)的形狀,從而提高圖像的分割精度。本文研究內(nèi)容主要包括以下方面:采用基于多圖譜配準(zhǔn)的方法分割CT圖像中的目標(biāo)器官,將獲取的初始輪廓作為Graph Cuts算法的形狀先驗(yàn)。在執(zhí)行基于多圖譜配準(zhǔn)的分割過程中,通過權(quán)重投票算法融合形變標(biāo)簽圖像得到目標(biāo)器官的概率圖。為提高圖像分割精度,對初始... 

【文章來源】：中南民族大學(xué)湖北省

【文章頁數(shù)】：49 頁

【學(xué)位級別】：碩士

【部分圖文】：

腹部CT圖像示例

圖譜示例1

圖譜示例3


本文編號：3304170