錐形束計(jì)算機(jī)斷層掃描圖像常被用來(lái)幫助醫(yī)生準(zhǔn)確診斷病人的潛在疾病,如上呼吸道病變和上頜竇病變等。為此本文針對(duì)錐形束計(jì)算機(jī)斷層掃描圖像的上呼吸道及其上頜竇分離提出了一種基于閾值分割和三維區(qū)域生長(zhǎng)的分割方法。但在分割之前需要對(duì)圖像進(jìn)行預(yù)處理。由于一些條件的限制,醫(yī)學(xué)原始圖像會(huì)被退化和噪聲影響,所以需要對(duì)圖像去噪處理。對(duì)比了幾種濾波算法,本文采用高斯濾波器對(duì)圖像進(jìn)行預(yù)處理。隨著社會(huì)的發(fā)展,空氣污染等環(huán)境問(wèn)題嚴(yán)重影響人類健康,呼吸系統(tǒng)疾病已經(jīng)嚴(yán)重的影響到人們的身體健康,呼吸系統(tǒng)疾病治療越來(lái)越精細(xì)化,呼吸道三維重建成為醫(yī)生診治疾病的重要輔助方式,正確從錐形束計(jì)算機(jī)斷層掃描圖像中分割出呼吸道系統(tǒng)可以為醫(yī)生提供正確的定量信息。圖像分割一般分為三種:手動(dòng)分割,半自動(dòng)分割和自動(dòng)分割。先前的研究很多都集中于下呼吸道的分割,本文提出了一種全自動(dòng)上呼吸道分割算法,此算法主要基于閾值分割和三維區(qū)域生長(zhǎng),在算法中三維區(qū)域生長(zhǎng)是主要部分,特別是區(qū)域生長(zhǎng)需要確定種子點(diǎn),在以往的很多算法中一般都是人為確定,致使種子點(diǎn)的選擇一般都依靠操作者的經(jīng)驗(yàn),具有不穩(wěn)定性。本文提出了一種全自動(dòng)主呼吸道分割算法。根據(jù)呼吸道在錐形束計(jì)算機(jī)...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 閾值的分割方法
        1.2.2 區(qū)域生長(zhǎng)的分割方法
        1.2.3 區(qū)域分裂合并的方法
        1.2.4 梯度算子和邊緣檢測(cè)圖像分割方法
        1.2.5 分水嶺的分割方法
        1.2.6 模糊C均值聚類方法
        1.2.7 K鄰近學(xué)習(xí)的分割方法
        1.2.8 K均值聚類的分割方法
        1.2.9 貝葉斯的分割方法
        1.2.10 馬爾科夫隨機(jī)場(chǎng)的分割方法
        1.2.11 水平集的分割方法
        1.2.12 圖譜引導(dǎo)的分割方法
        1.2.13 神經(jīng)網(wǎng)絡(luò)的圖像分割
    1.3 本文的主要研究?jī)?nèi)容
第2章 圖像預(yù)處理
    2.1 引言
        2.1.1 CT圖像特點(diǎn)
        2.1.2 圖像噪聲模型
    2.2 分割預(yù)處理常用算法
        2.2.1 中值濾波
        2.2.2 雙邊濾波
        2.2.3 高斯濾波
    2.3 實(shí)驗(yàn)結(jié)果與分析
    2.4 本章小結(jié)
第3章 基于三維區(qū)域生長(zhǎng)的呼吸道分割
    3.1 引言
    3.2 呼吸道起始終止圖像序列和興趣區(qū)域
        3.2.1 起始圖像
        3.2.2 終止圖像
        3.2.3 興趣區(qū)域
    3.3 數(shù)據(jù)分組和種子點(diǎn)確定
    3.4 區(qū)域生長(zhǎng)規(guī)則
    3.5 數(shù)組平滑
    3.6 實(shí)驗(yàn)結(jié)果與分析
    3.7 本章小結(jié)
第4章 基于三維區(qū)域生長(zhǎng)的上頜竇分割
    4.1 引言
    4.2 種子點(diǎn)確定
    4.3 上頜竇生長(zhǎng)規(guī)則
    4.4 分析與結(jié)果
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：3756835