隨著科技快速發(fā)達(dá),醫(yī)學(xué)影像設(shè)備廣泛應(yīng)用于臨床檢測,醫(yī)學(xué)研究中。相較于其他醫(yī)學(xué)成像技術(shù),核磁共振成像技術(shù)對人體無創(chuàng)、無電離輻射、成像清晰,對腦部軟組織分辨率高,因而在人腦相關(guān)研究中得到廣泛應(yīng)用。在核磁共振腦圖像中準(zhǔn)確、穩(wěn)定、高效地提取腦組織對于后續(xù)臨床診斷,腦部功能分析都具有重要影響。當(dāng)前腦組織提取分為手動提取與自動提取兩種方式,手動提取方式準(zhǔn)確度高,但是整個過程耗時長,且提取結(jié)果具有主觀性;自動提取方式處理速度快,提取結(jié)果準(zhǔn)確度高、穩(wěn)定性強(qiáng),但是其中參數(shù)數(shù)量多且不固定,需要多次手動調(diào)節(jié)參數(shù)以獲得較好的提取結(jié)果。針對這個問題,本文提出了一種基于點陣SIFT特征匹配的腦組織提取方法。該方法首先在腦組織邊界臨近處初始化活動點陣,然后利用改進(jìn)的BET算法對活動點陣進(jìn)行演化,推動其靠近腦組織邊界。在BET算法演化過程中,將活動點陣頂點作為關(guān)鍵點,通過SIFT算法提取其描述子。將描述子的歐式距離與關(guān)鍵點的空間距離作為計算關(guān)鍵點相似性的衡量標(biāo)準(zhǔn),并將目標(biāo)圖像關(guān)鍵點與模板圖像關(guān)鍵點相匹配,根據(jù)匹配結(jié)果實現(xiàn)參數(shù)的自動調(diào)優(yōu)。通過多次BET演化后,再利用圖割法對其進(jìn)行邊界細(xì)化,得到最終精準(zhǔn)的腦組織邊界。由于...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1MR顱腦圖像的影像特征

組織提取實質(zhì)上是一個二元分割問題，即將腦組織作為目標(biāo)，將非組織進(jìn)行提取。圖1-1為顱腦圖像，由圖中可以看到顱骨、脂肪、眼球等其他。在自動提取的過程中主要有三個難點問題需要解決：度：在腦部MRI圖像中，腦組織和與其相鄰的其他非腦組織的灰度差異，不同組織間灰度相互交疊，并且存....

圖2-1BET流程圖

9圖2-1BET流程圖T的演化過程演化過程實質(zhì)上就是離散點陣位置更新的過程，通過三個u1、u2、擴(kuò)張力u3）將初始輪廓上的頂點推到腦組織邊界直到相互作用力接近平衡大于最大迭代次數(shù)時停止更新，輪廓上點的連線作為腦組織輪廓。清楚的解釋輪廓演化過程，先定義了三個演化力。在圖....

圖2-2輪廓頂點示意圖

圖2-2輪廓頂點示意圖個相互作用的演化力分別為：1u：該力主要用于保持各頂點的等分，將A0拉向A1和相鄰的頂點等距離分布。并且該力平行于輪廓切線，由此接關(guān)系，并設(shè)1u與St相等。2u：該力主要用于保持輪廓的平滑，作用于頂點0A，與動到鄰點排列中。即當(dāng)頂點外凸出時，2....

圖2-3輪廓頂點示意圖

(2-11)其中（如圖2-3）是相鄰頂點間的夾角，用表示輪廓的平滑度，并將光滑度的臨界值定為160，即當(dāng)<160時，認(rèn)為此處輪廓光滑度不夠，平滑力需繼續(xù)對頂點推動；當(dāng)≥160時，則認(rèn)為此處輪廓線足夠光滑，無需進(jìn)行處理。圖2-3輪廓頂點示意圖2.3.2輪....

本文編號：3929771