本文關(guān)鍵詞：基于水平集的醫(yī)學(xué)圖像分割方法研究

  更多相關(guān)文章： 醫(yī)學(xué)圖像分割 水平集 邊界 區(qū)域 差異實(shí)驗(yàn)評(píng)估 先驗(yàn)形狀

【摘要】：醫(yī)學(xué)圖像分割是一個(gè)傳統(tǒng)而具有挑戰(zhàn)性的課題,是醫(yī)學(xué)影像可視化、計(jì)算機(jī)輔助分析和疾病診斷的前提和基礎(chǔ)。本文在對(duì)目前國(guó)內(nèi)外研究的多種圖像分割方法進(jìn)行綜述的基礎(chǔ)上,經(jīng)過(guò)分析比較后,發(fā)現(xiàn)基于水平集的分割方法具有諸多優(yōu)點(diǎn)且具有巨大的應(yīng)用前景,因此,本文將目標(biāo)定位在對(duì)水平集分割方法的研究上。 水平集方法將二維閉合曲線或三維閉合曲面的演化問(wèn)題轉(zhuǎn)化為高維空間中水平集函數(shù)曲面演化的隱含方式來(lái)求解,適應(yīng)于對(duì)拓?fù)浣Y(jié)構(gòu)變化的處理,其計(jì)算精度高,算法穩(wěn)定,因而得到廣泛應(yīng)用。本文對(duì)水平集方法的醫(yī)學(xué)圖像分割進(jìn)行了深入的研究,主要包括以下幾個(gè)方面： 首先,系統(tǒng)研究了水平集方法的基本理論及其在圖像分割領(lǐng)域的應(yīng)用,通過(guò)具體實(shí)驗(yàn)驗(yàn)證水平集方法在醫(yī)學(xué)圖像分割中的應(yīng)用,為后繼的研究奠定了堅(jiān)實(shí)的理論基礎(chǔ)。 其次,分別研究了基于圖像邊界和基于區(qū)域的水平集分割方法,通過(guò)仿真實(shí)驗(yàn)分析了各自的優(yōu)缺點(diǎn)。由于醫(yī)學(xué)圖像自身的復(fù)雜性,所以單純結(jié)合一種圖像信息對(duì)醫(yī)學(xué)圖像進(jìn)行分割,往往得不到較好的分割效果,為此提出一種新的結(jié)合圖像邊界信息和區(qū)域信息的混合分割方法,并將所提出的混合分割方法應(yīng)用到國(guó)際腦分割數(shù)據(jù)庫(kù)中腦MRI圖像和臨床醫(yī)學(xué)圖像的分割中,通過(guò)實(shí)驗(yàn)對(duì)比和差異實(shí)驗(yàn)評(píng)估方法證明了所提出的混合分割方法的有效性和準(zhǔn)確性。 再次,在總結(jié)所提出的基于圖像邊界信息和區(qū)域信息的混合分割方法不足的基礎(chǔ)上,對(duì)其進(jìn)行改進(jìn),提出一種結(jié)合改進(jìn)的先驗(yàn)形狀項(xiàng)作為形狀約束的混合分割方法。通過(guò)仿真實(shí)驗(yàn)證明,結(jié)合先驗(yàn)形狀的混合分割方法不僅在分割準(zhǔn)確性上優(yōu)于結(jié)合圖像邊界信息和區(qū)域信息的混合分割方法,而且具有更廣泛的應(yīng)用范圍。 最后,作者對(duì)自己的研究工作進(jìn)行了總結(jié),并對(duì)未來(lái)的研究工作進(jìn)行了展望。
【關(guān)鍵詞】：醫(yī)學(xué)圖像分割 水平集 邊界 區(qū)域 差異實(shí)驗(yàn)評(píng)估 先驗(yàn)形狀
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-19
• 1.1 醫(yī)學(xué)影像技術(shù)及醫(yī)學(xué)圖像的特點(diǎn)9-10
• 1.2 醫(yī)學(xué)圖像分割及其研究意義10-12
• 1.3 醫(yī)學(xué)圖像分割的發(fā)展現(xiàn)狀及發(fā)展趨勢(shì)12-16
• 1.4 論文研究的主要內(nèi)容及組織結(jié)構(gòu)16-19
• 第2章 曲線演化理論與水平集方法19-33
• 2.1 曲線演化理論19-22
• 2.2 水平集方法22-29
• 2.2.1 水平集方法概述22
• 2.2.2 水平集方法的函數(shù)表示22-26
• 2.2.3 水平集函數(shù)的數(shù)值解法26-27
• 2.2.4 水平集方法的關(guān)鍵問(wèn)題27-29
• 2.3 仿真實(shí)驗(yàn)29-30
• 2.4 結(jié)果分析30-31
• 2.5 本章小結(jié)31-33
• 第3章 結(jié)合圖像邊界和區(qū)域信息的水平集混合分割方法33-53
• 3.1 基于圖像邊界信息的水平集分割方法34-38
• 3.1.1 基于邊界的分割模型34
• 3.1.2 仿真實(shí)驗(yàn)34-38
• 3.1.3 結(jié)果分析38
• 3.2 基于圖像區(qū)域信息的水平集分割方法38-44
• 3.2.1 C-V模型38-41
• 3.2.2 仿真實(shí)驗(yàn)41-43
• 3.2.3 結(jié)果分析43-44
• 3.3 結(jié)合圖像邊界和區(qū)域信息的混合分割方法44-47
• 3.3.1 混合分割方法的基本流程44
• 3.3.2 初始化水平集函數(shù)φ(x,y,0)44
• 3.3.3 構(gòu)建初始化速度函數(shù)F44
• 3.3.4 設(shè)計(jì)能量函數(shù)44-46
• 3.3.5 基于區(qū)域信息的修正速度函數(shù)46-47
• 3.4 仿真實(shí)驗(yàn)與結(jié)果評(píng)估47-51
• 3.4.1 數(shù)據(jù)來(lái)源47-48
• 3.4.2 不同算法分割結(jié)果的比較48-49
• 3.4.3 差異實(shí)驗(yàn)評(píng)估方法49-51
• 3.5 本章小結(jié)51-53
• 第4章 結(jié)合先驗(yàn)形狀的水平集混合分割方法53-65
• 4.1 初始先驗(yàn)形狀模型53-57
• 4.1.1 形狀配準(zhǔn)53-54
• 4.1.2 形狀建模54-57
• 4.2 更新先驗(yàn)形狀模型57-58
• 4.3 結(jié)合先驗(yàn)形狀的能量函數(shù)58-59
• 4.4 仿真實(shí)驗(yàn)59-64
• 4.5 本章小結(jié)64-65
• 第5章 結(jié)論65-67
• 5.1 本文工作總結(jié)65-66
• 5.2 未來(lái)工作展望66-67
• 參考文獻(xiàn)67-77
• 致謝77-79
• 作者攻讀碩士學(xué)位期間的論著及發(fā)表的論文79

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 范英豪;基于幾何活動(dòng)輪廓的SAR目標(biāo)提取技術(shù)研究[D];浙江工商大學(xué);2013年

，

本文編號(hào)：1041890