本文選題：超聲圖像　切入點：甲狀腺結(jié)節(jié)　出處：《長春工業(yè)大學(xué)》2017年碩士論文

【摘要】：近年來,甲狀腺結(jié)節(jié)發(fā)病率呈現(xiàn)出逐年增長趨勢,已成為危害人類健康重要疾病之一。超聲醫(yī)學(xué)圖像以其廉價性、無輻射、費用低等優(yōu)點,被廣泛應(yīng)用于臨床診斷中。利用圖像處理技術(shù)準(zhǔn)確分割出結(jié)節(jié)區(qū)域,給醫(yī)生的診斷提供重要的輔助信息,對指導(dǎo)臨床治療有重要價值。由于超聲甲狀腺圖像分辨率及對比度較低,且斑點噪聲嚴(yán)重,不同的人群結(jié)節(jié)大小、位置及形狀差異度較大,大大影響了結(jié)節(jié)分割的準(zhǔn)確性。本文以超聲甲狀腺圖像為研究內(nèi)容,以主動輪廓水平集法作為分割基礎(chǔ),提出兩種甲狀腺結(jié)節(jié)分割算法。首先提出了基于全局與局部結(jié)合的水平集分割模型。該算法在傳統(tǒng)局部LBF模型中加入了具有全局指向性的面積能量項,解決了LBF模型對初始輪廓敏感及容易陷入局部極小的缺點。利用LBF模型的調(diào)整項調(diào)節(jié)本文水平集的長度和光滑性,最小化能量泛函后得到演化水平集方程。通過與傳統(tǒng)的CV模型、LBF模型進行分割對比,實驗表明本文算法分割準(zhǔn)確度更高。其次,融合模糊核聚類與改進的距離正則化水平集模型,提出了第二種分割算法,解決了距離正則化水平集模型對初始輪廓敏感、演化參數(shù)需要人工設(shè)定及分割弱邊緣能力較差的問題。算法先利用模糊核聚類算法粗分割出結(jié)節(jié)區(qū)域并二值化作為水平集初始演化輪廓,然后利用初始演化輪廓圍成的區(qū)域自動計算出水平集演化參數(shù),最后采用高斯正則化規(guī)則演化水平集分割出甲狀腺結(jié)節(jié)區(qū)域。與CV模型、LBF模型與DRLSE模型進行對比實驗,實驗結(jié)果表明本文提出的兩種算法能更準(zhǔn)確地提取甲狀腺結(jié)節(jié)區(qū)域。
[Abstract]:In recent years, the incidence of thyroid nodules has been increasing year by year and has become one of the most important diseases harmful to human health. It is widely used in clinical diagnosis. Image processing technology is used to segment the nodule area accurately, which provides important auxiliary information for the doctor's diagnosis. It has important value in guiding clinical treatment. Because of low resolution and contrast of ultrasound thyroid image and serious speckle noise, the size, position and shape of nodules in different population are different. The accuracy of nodule segmentation is greatly affected. In this paper, the ultrasonic thyroid image is used as the research content, and the active contour level set method is used as the basis of segmentation. Two kinds of thyroid nodule segmentation algorithms are proposed. Firstly, a level set segmentation model based on global and local combination is proposed, which adds an area energy term with global directivity to the traditional local LBF model. The disadvantages of LBF model being sensitive to initial contour and easily falling into local minima are solved. The length and smoothness of the level set of this paper are adjusted by the adjustment term of LBF model. After minimizing the energy functional, the evolutional level set equation is obtained. Compared with the traditional CV model and LBF model, the experimental results show that the segmentation accuracy of this algorithm is higher than that of the traditional CV model and LBF model. Secondly, Combining fuzzy kernel clustering with the improved distance regularization level set model, a second segmentation algorithm is proposed, which solves the sensitivity of the distance regularization level set model to the initial contour. The evolution parameters need to be manually set and the ability of weak edge segmentation is poor. Firstly the fuzzy kernel clustering algorithm is used to roughly segment the nodule region and the binary is converted into the initial evolutionary contour of the level set. Then the evolution parameters of the level set are calculated automatically by using the region surrounded by the initial evolution contour. Finally, the thyroid nodule region is segmented by Gao Si regularization rule evolution level set, and compared with the CV model and the DRLSE model and the LBF model. The experimental results show that the two algorithms proposed in this paper can extract thyroid nodule more accurately.
【學(xué)位授予單位】：長春工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R581;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭偉;張晶;李凱玄;郝冬梅;;結(jié)合局部信息改進的C-V超聲圖像分割模型[J];光電工程;2015年08期

2 鄭偉;潘正勇;郝冬梅;;基于相位一致性改進的DRLSE超聲圖像分割模型[J];光電工程;2014年01期

3 燕楊;李巖波;王云吉;黃文博;;一種基于改進Snake模型的邊界檢測方法[J];吉林大學(xué)學(xué)報(理學(xué)版);2013年05期

4 趙杰;祁永梅;潘正勇;;結(jié)合全局和雙核局部擬合的活動輪廓分割模型[J];計算機應(yīng)用;2013年04期

5 牟宗魁;唐克倫;鄭彬;;一種新的GVF Snake模型自動初始化輪廓方法[J];機械設(shè)計與制造;2011年05期

6 丁亮;張永平;張雪英;;圖像分割方法及性能評價綜述[J];軟件;2010年12期

7 張開華;周文罡;張振;鄭孝娟;;一種改進的C-V主動輪廓模型[J];光電工程;2008年12期

8 李彬;陳武凡;顏剛;;基于隸屬度光滑約束的模糊C均值聚類算法[J];中國圖象圖形學(xué)報;2007年04期

9 朱玲;施心陵;劉亞杰;田溪;;基于蟻群算法的甲狀腺結(jié)節(jié)超聲圖像邊沿檢測法[J];計算機工程;2006年24期

10 孟召偉;譚建;;解讀美國甲狀腺協(xié)會2009年甲狀腺結(jié)節(jié)和分化型甲狀腺癌診治指南[J];國際內(nèi)分泌代謝雜志;2010年05期

相關(guān)碩士學(xué)位論文 前10條

1 陳鴻翔;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割[D];浙江大學(xué);2016年

2 吳鵬翔;基于活動輪廓的低溫冷凍細(xì)胞圖像分割算法研究[D];中國科學(xué)技術(shù)大學(xué);2015年

3 潘正勇;基于相位的活動輪廓模型的甲狀腺超聲圖像分割[D];河北大學(xué);2014年

4 張麗;基于改進歸一化割的甲狀腺腫瘤B超圖像分割[D];河北大學(xué);2013年

5 袁曉輝;基于水平集的圖像分割算法[D];華中科技大學(xué);2013年

6 陳雷;基于活動輪廓模型的圖像分割算法研究[D];山東大學(xué);2013年

7 蘇海楠;基于隨機游走的醫(yī)學(xué)超聲腫瘤圖像分割方法研究[D];北京交通大學(xué);2013年

8 王黎明;基于模糊C均值算法的醫(yī)學(xué)圖像分割研究[D];西安電子科技大學(xué);2012年

9 程可嘉;基于核函數(shù)的模糊聚類算法研究[D];電子科技大學(xué);2009年

10 孟丹;基于ITK的水平集醫(yī)學(xué)圖像分割算法的研究[D];長春理工大學(xué);2009年

，

本文編號：1676232