近年來醫(yī)學圖像處理技術(shù)發(fā)展迅速,腦部圖像的處理是其中非常重要的組成部分。圖像處理中的圖像分割是把需要的感興趣區(qū)域進行分割提取,這一步驟非常重要為后來的手術(shù)方案制定等后續(xù)不中提供了重要的參考價值。核磁圖像是腦腫瘤診斷重要手段,通過對帶有腦腫瘤的核磁圖像的處理可以給臨床提供重要的參考價值�；诤舜艌D像的腦腫瘤的分割的研究已經(jīng)成為了一個越來越熱門的話題。本文主要針對核磁圖像中的腦腫瘤進行分割,使用的是基于稀疏貝葉斯模型的方法和多圖譜融合相結(jié)合的方法,不僅實現(xiàn)了把腦腫瘤區(qū)域分割出來,還對腫瘤的不同子區(qū)域進行了分割。所做的主要工作如下所示:（1）相關(guān)文獻調(diào)研和分析。調(diào)研了國內(nèi)外與腦腫瘤分割相關(guān)的文獻。分析了國內(nèi)外專家在醫(yī)學圖像分割領(lǐng)域的研究現(xiàn)狀和未來的發(fā)展趨勢。（2）對圖像分割的相關(guān)理論進行介紹。系統(tǒng)的介紹了稀疏貝葉斯模型和馬爾科夫場模型。（3）闡述稀疏貝葉斯模型在腦部核磁共振圖像上面實現(xiàn)自動化的對腦中腫瘤的分割,及使用多圖譜融合方式把不同模態(tài)分割結(jié)果進行融合。第一部分主要集中在分割算法上面,結(jié)合馬爾科夫隨機場及吉布斯隨機場使用稀疏貝葉斯理論實現(xiàn)在核磁成像的四個模態(tài)圖像上的腦腫瘤的分割。第二部分... 

【文章來源】：山東師范大學山東省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

帶有神經(jīng)膠質(zhì)瘤核磁圖像

圖 1-2 同一病例不同專家的手動分割結(jié)果[18]分割方法人工方法需要以人介入的方式部分參與分割過程才能完成最始化算、檢查分割結(jié)果準確性、甚至糾正分割結(jié)果。此類方分割效果的情況下，盡可能的減少用戶輸入。一個半自動的交互部分及用戶界面三部分組成。用戶根據(jù)展現(xiàn)的視覺信息果。過程中的人和軟件的交互方式，可把半自動方法大致分為三饋響應(yīng)及評價。現(xiàn)存的一些方法包括其中的一種或幾種方式二個需要持續(xù)或間斷地指導(dǎo)整個過程以達到預(yù)期結(jié)果；最后否達到能接受的效果。分割過程中涉及到用戶策略的選擇和

圖 1-3 基于區(qū)域增長的半自動分割方式[19]分割方法方式不需要人工交互參與，分割結(jié)果完全由計算機決定合人類經(jīng)驗和一定的先驗知識，經(jīng)常使用的是柔性的計如，模糊均值，可變模型等都是屬于柔性的計算技術(shù)。分割技術(shù)的研究是機器學習和模式識別領(lǐng)域的一個重要易解決的分割問題，實現(xiàn)自動化卻存在非常大的挑戰(zhàn)。覺處理模式，甚至是需要結(jié)合一些特定的相關(guān)知識，將極其困難的。割上人類比機器的優(yōu)勢卻不是非常明顯。從腦解剖特性，預(yù)測的，大腦在結(jié)構(gòu)上的量化是良好的，不同組織在不


本文編號：2985937