本文關(guān)鍵詞：基于素描序列圖和多視角策略的胃部CT圖像淋巴結(jié)檢測(cè)

  更多相關(guān)文章： 淋巴結(jié)檢測(cè) 素描線預(yù)處理 素描線特征 自適應(yīng)窗口 素描線匹配

【摘要】：CT圖像在獲取過(guò)程中具有無(wú)創(chuàng)傷安全方便及高效等特點(diǎn),使得CT圖像在醫(yī)學(xué)研究和檢查診斷中應(yīng)用廣泛。目前對(duì)CT序列圖像所包含的病變信息的分析和提取主要是依靠醫(yī)生自身的經(jīng)驗(yàn),這即對(duì)醫(yī)生的專業(yè)素養(yǎng)提出了高的要求,并加大了醫(yī)生的工作量,所以隨著計(jì)算機(jī)技術(shù)的發(fā)展,借助計(jì)算機(jī)對(duì)CT圖像信息進(jìn)行相關(guān)處理是臨床應(yīng)用中的需求。本文提出了一種基于初始素描序列圖跟蹤和多視角策略的胃部CT圖像淋巴結(jié)檢測(cè)方法,將基于CT圖像中像素點(diǎn)信息的處理方法轉(zhuǎn)換為基于初始素描序列圖中素描線的處理方法。由于初始素描圖是圖像可素描部分的一種稀疏編碼,所以本文提出的方法提高了處理速度,且降低了淋巴結(jié)檢測(cè)的虛警率。本文主要完成如下工作:(1)根據(jù)淋巴結(jié)的大小、所處位置及形狀等特點(diǎn),在單幀CT圖像的初始素描圖上定義了素描線連接操作和素描線的長(zhǎng)度特征,并提出了基于素描線的CT圖像灰度特征提取方法和素描線多邊聚攏形狀特征提取方法。定義和提出這些特征和方法主要用于判斷圍成大的臟器等組織的素描線,即而得到可能圍成疑似淋巴結(jié)的素描線。(2)根據(jù)相鄰幀上淋巴結(jié)位置、大小變化不大等特點(diǎn),在初始素描序列圖上,提出了基于素描線匹配規(guī)則的素描線自適應(yīng)窗口獲取方法;在原始CT圖上,提出了基于素描線的位置和自適應(yīng)窗口的疑似淋巴結(jié)獲取方法。提取素描線的自適應(yīng)窗口是為了根據(jù)可能圍成疑似淋巴結(jié)的素描線,確定疑似淋巴結(jié)面積較大的幀;提取疑似淋巴結(jié)的自適應(yīng)窗口是在疑似淋巴結(jié)面積較大幀的CT圖像上基于素描線的自適應(yīng)窗口提取素描線圍成的疑似淋巴結(jié)和疑似淋巴結(jié)自適應(yīng)窗口。(3)基于疑似淋巴結(jié)的自適應(yīng)窗口,在初始素描序列圖上提取了疑似淋巴結(jié)序列圖像塊,并由于不同大小的淋巴結(jié)呈現(xiàn)出來(lái)的特征不盡相同,所以本文對(duì)不同大小的序列圖像塊,采用了兩種不同的淋巴結(jié)檢測(cè)方法。對(duì)序列圖像塊大于11×11的疑似淋巴結(jié)采用多視角跟蹤的淋巴結(jié)檢測(cè)方法;對(duì)序列圖像塊不大于11×11的疑似淋巴結(jié)采用基于低秩分解和質(zhì)心跟蹤的淋巴結(jié)檢測(cè)方法。仿真實(shí)驗(yàn)結(jié)果也表明,本文提出的淋巴結(jié)檢測(cè)方法,很大程度的降低了檢測(cè)時(shí)間,且一定程度的降低了檢測(cè)到的淋巴結(jié)的虛警率。
【關(guān)鍵詞】：淋巴結(jié)檢測(cè) 素描線預(yù)處理 素描線特征 自適應(yīng)窗口 素描線匹配
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;R735.2;R730.44
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號(hào)對(duì)照表10-11
• 縮略語(yǔ)對(duì)照表11-14
• 第一章 緒論14-20
• 1.1 課題研究的背景和意義14-15
• 1.2 胃癌診斷中CT圖像的應(yīng)用15-16
• 1.2.1 CT圖像簡(jiǎn)介15-16
• 1.2.2 胃癌診斷中CT圖像的應(yīng)用16
• 1.3 相關(guān)工作研究現(xiàn)狀16-17
• 1.4 本文的研究?jī)?nèi)容和結(jié)構(gòu)安排17-20
• 第二章 胃部CT圖像的初始素描圖20-28
• 2.1 引言20
• 2.2 初始素描圖的發(fā)展20-22
• 2.2.1 Marr視覺(jué)計(jì)算理論20-21
• 2.2.2 初始素描模型21-22
• 2.3 CT圖像的初始素描圖閾值選擇22-25
• 2.4 本章總結(jié)25-28
• 第三章 基于單幀CT圖像的初始素描圖預(yù)處理方法28-40
• 3.1 引言28-29
• 3.2 素描線連接方法29-31
• 3.3 素描線的三個(gè)特征31-36
• 3.3.1 素描線的長(zhǎng)度特征提取方法31-32
• 3.3.2 基于素描線的CT圖像灰度特征提取方法32-34
• 3.3.3 素描線的多邊聚攏形狀特征提取方法34-36
• 3.4 本章算法36-37
• 3.5 實(shí)驗(yàn)結(jié)果及分析37-39
• 3.5.1 實(shí)驗(yàn)設(shè)置37
• 3.5.2 實(shí)驗(yàn)結(jié)果及分析37-39
• 3.6 本章總結(jié)39-40
• 第四章 基于素描序列圖的疑似淋巴結(jié)自適應(yīng)窗口提取方法40-52
• 4.1 引言40-41
• 4.2 初始素描序列圖上素描線自適應(yīng)窗口提取41-45
• 4.2.1 單條素描線段的自適應(yīng)窗口提取方法41-43
• 4.2.2 多邊聚攏形狀素描線的自適應(yīng)窗口提取方法43-45
• 4.3 CT圖像上疑似淋巴結(jié)自適應(yīng)窗口提取45-47
• 4.3.1 基于CT圖像的素描線自適應(yīng)窗口更新方法46
• 4.3.2 基于素描線位置的疑似淋巴結(jié)提取方法46-47
• 4.4 本章算法47-48
• 4.5 實(shí)驗(yàn)結(jié)果和分析48-51
• 4.5.1 實(shí)驗(yàn)設(shè)置48
• 4.5.2 實(shí)驗(yàn)結(jié)果和分析48-51
• 4.6 本章總結(jié)51-52
• 第五章 基于自適應(yīng)窗口的多視角策略淋巴結(jié)檢測(cè)52-58
• 5.1 引言52
• 5.2 本章算法52-53
• 5.3 實(shí)驗(yàn)結(jié)果及分析53-56
• 5.3.1 實(shí)驗(yàn)設(shè)置53
• 5.3.2 實(shí)驗(yàn)結(jié)果和分析53-56
• 5.4 本章總結(jié)56-58
• 第六章 總結(jié)和展望58-62
• 6.1 總結(jié)58-59
• 6.2 展望59-62
• 參考文獻(xiàn)62-66
• 致謝66-68
• 作者簡(jiǎn)介68-69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 周曉明;李釗;劉雄英;;一種基于改進(jìn)FCM的自動(dòng)圖像分割算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

2 王萬(wàn)國(guó);王仕榮;徐正飛;楊文波;王振利;李麗;;基于邊界的最小二乘橢圓擬合改進(jìn)算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年04期

3 劉利雄;馬忠梅;趙恒博;姚宇華;張麒;;一種基于主動(dòng)輪廓模型的心臟核磁共振圖像分割方法[J];計(jì)算機(jī)學(xué)報(bào);2012年01期

4 季加孚;季鑫;;胃癌治療的新進(jìn)展[J];循證醫(yī)學(xué);2011年02期

5 王江紅;項(xiàng)穎;;早期胃癌的篩查現(xiàn)狀及診斷進(jìn)展[J];重慶醫(yī)學(xué);2009年20期

6 何立麗;孫桂芝;張培彤;;胃癌的病因病機(jī)研究進(jìn)展[J];北京中醫(yī)藥;2009年03期

7 閆蓓;王斌;李媛;;基于最小二乘法的橢圓擬合改進(jìn)算法[J];北京航空航天大學(xué)學(xué)報(bào);2008年03期

8 王蓓,張立明;利用圖像先驗(yàn)知識(shí)與Snake結(jié)合對(duì)心臟序列圖像的分割[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2003年01期

9 鐘世鎮(zhèn),李華,林宗楷,羅述謙,秦篤烈;數(shù)字化虛擬人背景和意義[J];中國(guó)基礎(chǔ)科學(xué);2002年06期

，

本文編號(hào)：745237