【摘要】：大腦的中矢狀平面(Midsagittal Plane,MSP)可以用來評估大腦左右半球的對稱性,利用獲得的評估結果可以幫助診斷某些腦部疾病,因此研究MSP的提取在臨床中具有重要意義。然而現(xiàn)有的提取方法大多存在計算成本大、對圖像方向有一定要求等問題,針對這些問題,論文研究一種適用于各個方向腦部圖像,同時可以快速、準確的提取腦部中矢狀平面的算法。根據(jù)處理對象的維度,基于大腦對稱性的MSP提取方法可以分為兩類。第一類方法是對三維圖像進行多尺度搜索,該類方法對腦部CT圖像的初始方向沒有限制,強調了CT圖像的整體對稱性,所以當結果細化到每層切片時會有所偏差。另外,由于需要進行多尺度搜索,該類方法計算成本較大。第二類方法是對二維圖像進行搜索,該類方法可以有效克服上述缺點,但需要保證二維切片的對稱性特征存在,因此對腦部CT圖像的初始方向有一定的要求。論文提出的中矢狀平面提取算法是對這兩種方法的改進,其主要創(chuàng)新之處在于:結合上述兩種算法的優(yōu)點,將腦部中矢狀平面的提取過程分為兩步,第一步利用大腦的邊緣信息和全局對稱性,對三維圖像進行單尺度搜索,從而初步定位中矢狀平面。第二步首先利用初始平面的位置對CT圖像的方向進行調整,使其滿足基于二維圖像提取MSP的方法對CT圖像方向的要求;然后利用二維圖像中大腦縱裂附近具有局部對稱性的特性獲取近似縱裂線段,將近似縱裂線段中的異常值去除,從而獲取主導中矢狀平面取向的近似縱裂線段,最終擬合出中矢狀平面。本算法不僅不再限制腦部CT圖像的初始方向,還保證了提取結果在二維圖像上的準確性,同時減少了計算成本。將改進的提取算法與上述兩種方法分別作對比實驗,實驗結果表明,本算法與上述兩種傳統(tǒng)方法相比,能更準確的提取中矢狀平面。
【圖文】：

包括端腦和間腦。端腦是脊椎動兩半球組成，主要包括大腦皮質、大腦髓質和胝體相連，大腦縱裂將兩個半球隔開，大腦暗的一條線，如圖 2.1 所示，圖中標記的紅面覆蓋著一層灰質（Grey Matter, GM），稱皮層的深面為白質（White Matter, WM），由各室，腦室中存在著腦脊液（Cerebro-Spinal 大腦縱裂對稱，因此，提取腦部中矢狀面的中矢狀面的位置。

圖 2.2 人體矢狀面、橫斷面、冠狀面掃描，是用 X 射線束掃描人體某部位一定構成三維 CT 圖像的二維切片，CT 圖像是，為了顯示整個器官，需要多個連續(xù)的層面獲取完整的三維 CT 圖像[40]。數(shù)字矩陣，矩陣的元素稱為體素，每個元反映物質的密度，即物質的CT值越高則物示：CT = α × 值為 1000 時，CT 值的單位為亨氏單位（H
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 馮桂蓮;;曲率驅動擴散圖像邊緣形態(tài)復合濾波方法仿真[J];計算機仿真;2019年09期

2 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學與計算機;2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術開發(fā);2013年12期

4 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術;2003年08期

5 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學學報(自然科學版);1988年01期

6 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

7 高華;;關于古建筑圖像中破損點優(yōu)化提取仿真[J];計算機仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線性光學圖像邊緣自適應增強裝置設計[J];激光雜志;2017年03期

9 許志強;張婷;;數(shù)字式多媒體場景圖像準確分類方法仿真[J];計算機仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強的改進方法[J];信息系統(tǒng)工程;2016年03期

相關會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術及其應用學術論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術學術交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術會議論文集（1）[C];2008年

6 孫增國;師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對地觀測學術年會論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術產業(yè)發(fā)展（上冊）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽科學學術年會論文集（理工農醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農產品邊緣檢測系統(tǒng)研究[A];中國農業(yè)工程學會2011年學術年會論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學學術會議論文摘要集[C];2012年

相關重要報紙文章 前7條

1 侯杰;國產芯片進軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗決定一切[N];中國計算機報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 徐和德;從實戰(zhàn)出發(fā)選擇合適鏡頭[N];中國攝影報;2019年

7 ;令挑剔的人也刮目相看[N];中國電子報;2001年

相關博士學位論文 前10條

1 吳迪;光學遙感圖像典型目標檢測方法研究[D];哈爾濱工業(yè)大學;2019年

2 王瑤;復雜天氣下的道路識別方法研究[D];哈爾濱工業(yè)大學;2019年

3 宋偉先;基于深度學習的豬只目標檢測及狀態(tài)分析[D];東北農業(yè)大學;2019年

4 張玲;圖像光照恢復與分解技術研究[D];武漢大學;2017年

5 蔡博侖;圖像去霧與增強算法的研究[D];華南理工大學;2019年

6 歐巧鳳;二維凝膠電泳圖像中一致蛋白質斑點集檢測技術研究[D];西北工業(yè)大學;2018年

7 唐國良;視頻監(jiān)控圖像局部特征描述和相機接力研究[D];西安電子科技大學;2019年

8 孫景峰;基于圖像特征的示波屏識別關鍵技術研究及應用[D];西北工業(yè)大學;2018年

9 劉飛;透混沌介質偏振成像技術[D];西安電子科技大學;2016年

10 李永軍;圖像與視頻低復雜度壓縮算法研究[D];西安電子科技大學;2017年

相關碩士學位論文 前10條

1 王東;視覺窄化下船舶目標圖像的檢測方法研究[D];江蘇科技大學;2019年

2 許晨;基于圖像的內河導航與目標跟蹤關鍵技術研究[D];江蘇科技大學;2019年

3 提璇;基于兩種先驗知識的圖像去霧算法[D];山東科技大學;2018年

4 陳曉迪;基于單幅圖像的去霧算法研究[D];黑龍江大學;2019年

5 陳國松;基于FPGA和USB3.0的圖像信息采集與處理系統(tǒng)設計與實現(xiàn)[D];吉林大學;2019年

6 單榕;基于視覺感受度和物體度的圖像顯著性檢測算法研究[D];山東科技大學;2018年

7 田媛媛;基于稀疏重建方法的牛體征檢測圖像研究[D];內蒙古科技大學;2019年

8 常一凡;基于CTA圖像的冠狀動脈分割方法研究[D];內蒙古科技大學;2019年

9 李芳;影響panum融合區(qū)顯示深度相關參數(shù)研究及圖像優(yōu)化[D];內蒙古科技大學;2019年

10 余潔;基于集群的海量MOST圖像快速預處理研究[D];華中科技大學;2019年

，

本文編號：2608982