胰腺是人體內(nèi)的一個重要器官。隨著數(shù)字醫(yī)學的普及,計算機輔助診斷已成為可能。在計算機的幫助下分割胰腺可以大大提高醫(yī)生的工作效率。但是胰腺在醫(yī)學CT圖像中呈現(xiàn)出體積小,位置深的特點,且胰腺與周圍的肝臟、腎臟等腹部器官沒有很好的灰度對比,使得胰腺在CT圖像中的邊緣不是很明顯。所以計算機借助于傳統(tǒng)的圖像分割方法難以準確的分割出胰腺,本文研究了水平集方法用于胰腺圖像的分割,主要做了以下工作:（1）基于全局圖像信息的傳統(tǒng)水平集分割模型（CV模型）,在曲線的運動過程中,需要通過重新初始化的過程以確保曲線運動的穩(wěn)定性。為了提升CV模型中曲線的運行效率,本文提出了改進的CV模型,在傳統(tǒng)的CV模型中擬合了一個曲線面積項。通過改進的CV模型對灰度均勻圖像的分割實驗,驗證了本文提出的改進CV模型確實能提升CV模型中曲線的運動速度。（2）針對傳統(tǒng)的全局和局部信息的水平集分割模型（LGIF模型）在分割一些醫(yī)學圖像時,需要調(diào)整全局信息項和局部信息項的權重,才能獲得較理想的分割結果。為了實現(xiàn)LGIF模型的自適應分割,本文提出了一個自適應函數(shù)用于實時衡量全局信息項和局部信息項的權重。通過擬合了自適應函數(shù)的ALGIF模型... 

【文章來源】：昆明理工大學云南省

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容與論文組織結構
        1.3.1 論文主要研究內(nèi)容
        1.3.2 論文組織結構
    1.4 文章小結
第二章 水平集方法的基礎理論
    2.1 理論基礎
    2.2 水平集方法
    2.3 基于區(qū)域信息的的水平集分割模型
        2.3.1 CV模型
        2.3.2 LBF模型
    2.4 本章小結
第三章 改進的胰腺圖像分割方法
    3.1 改進的CV模型
    3.2 結合反應擴散方法改進的RD-LGIF模型
    3.3 改進的ALGIF模型
        3.3.1 自適應函數(shù)
        3.3.2 擬合自適應函數(shù)的ALGIF模型
    3.4 本章小結
第四章 實驗結果與討論
    4.1 實驗環(huán)境與實驗數(shù)據(jù)集
    4.2 結果評價說明
    4.3 傳統(tǒng)CV和LBF模型實驗驗證
        4.3.1 CV模型的實驗
        4.3.2 LBF模型的實驗
    4.4 改進方法的實驗結果
        4.4.1 改進的CV模型
        4.4.2 改進的RD-LGIF模型
            4.4.2.1 二維分割
            4.4.2.2 胰腺分割結果三維渲染
        4.4.3 改進的ALGIF模型
            4.4.3.1 二維分割
            4.4.3.2 胰腺分割結果三維渲染
    4.5 本章小結
第五章 總結與展望
    5.1 工作總結
    5.2 研究展望
致謝
參考文獻
附錄 A 攻讀碩士期間取得的學術成果
附錄 B 部分代碼



本文編號：3438249