醫(yī)學圖像分割和癌癥的診斷是醫(yī)學圖像分析領(lǐng)域重要的研究內(nèi)容。醫(yī)學圖像的精準分割能夠為癌癥以及其它疾病的診斷和治療提供必要的輔助信息。癌癥的診斷是醫(yī)學圖像分析的最終目標。然而,醫(yī)學圖像的精準分割和癌癥的診斷均面臨很多挑戰(zhàn)。根據(jù)醫(yī)學影像數(shù)據(jù)的特征,可以將其分為兩類:1)特征明顯(例如,具有顯著的邊緣梯度信息);2)特征相對復雜。針對特征明顯的影像數(shù)據(jù),以膀胱壁的分割為實例。對膀胱內(nèi)外壁的分割沒有解決的兩個問題:1)膀胱內(nèi)部的尿液以及呼吸的過程中會使膀胱腔內(nèi)產(chǎn)生噪聲和偽影,這些噪聲和偽影的存在,往往導致以梯度信息來定位膀胱壁的算法無法精準識出膀胱內(nèi)外壁,進而出現(xiàn)分割不精確的問題;2)部分膀胱存在弱邊緣問題,導致分割結(jié)果出現(xiàn)溢出的現(xiàn)象。為了解決上述問題,我們提出了一種形狀先驗信息約束的粒子群優(yōu)化模型。該模型利用梯度信息、形狀先驗信息和切片之間的相似信息實現(xiàn)核磁共振影像中膀胱內(nèi)外壁的分割。實驗表明我們提出的方法能有效的提升膀胱內(nèi)外壁分割的精度。針對特征相對復雜的醫(yī)學影像數(shù)據(jù),以前列腺分割為實例。為了解決前列腺分割過程中遇到的如下挑戰(zhàn):1)位于頂端和底端的切片往往只包含很小一部分前列腺組織,同時不具...

【文章頁數(shù)】：113 頁

【學位級別】：博士

【部分圖文】：

圖2.3:藍色的點位于弱邊緣處，這些點由我們的模型生成，共同組成弱邊緣

武漢大學博士學位論文圖2.3:藍色的點位于弱邊緣處，這些點由我們的模型生成，共同組成弱邊緣。紅色點為綠色輪廓上的最后一個點v′n，黃色的點則為紅色輪廓上的第一個點v′1。綠色和紅色的輪廓是通過本章所提出的方法檢測出來的真實輪廓（強邊緣）。（a）（b）圖2.4:（a）由等距點組成的....

圖2.10:DRLS，DLS，CDLS，NCDLS，PSSC，DL-CNN和我們提出的方法的分割結(jié)果（OurResults）對比

基于智能化理論的醫(yī)學數(shù)據(jù)分割與診斷算法研究圖2.10:DRLS，DLS，CDLS，NCDLS，PSSC，DL-CNN和我們提出的方法的分割結(jié)果（OurResults）對比。紅色為膀胱內(nèi)壁，黃色為膀胱外壁。2.4.3實驗結(jié)果為了評估方法的性能，我們對比了其它六種方法在相同的數(shù)據(jù)集上....

本文編號：3946173