本文關(guān)鍵詞： 核磁共振成像 隱馬爾科夫模型 模糊C均值模型 空間相關(guān)性　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：醫(yī)學(xué)腦圖像的三維處理是當(dāng)前計(jì)算機(jī)視覺中的一個(gè)活躍的研究主題,它為修復(fù)手術(shù)、放射治療、立體定向神經(jīng)外科及其他醫(yī)學(xué)領(lǐng)域提供了有意義的腦組織信息。腦組織各部分的分割對于定量分析具有極其重要的意義,這些定量測量是評估中樞神經(jīng)系統(tǒng)疾病進(jìn)展的關(guān)鍵因素,極大地提高了診斷和監(jiān)測疾病演變的能力。核磁共振成像(Magnetic Resonance Imaging,MRI)技術(shù)目前被大規(guī)模應(yīng)用在診斷人腦疾病等醫(yī)療領(lǐng)域,由于其具有成像清晰、對人體安全無創(chuàng)等優(yōu)點(diǎn),而被越來越多的人關(guān)注。然而,MRI圖像易受噪聲、偏移場、部分容積效應(yīng)等因素的影響,使得缺乏醫(yī)學(xué)先驗(yàn)知識的以計(jì)算機(jī)為基礎(chǔ)的自動分割算法的性能嚴(yán)重下降。因此科學(xué)的腦組織分割方法仍是醫(yī)學(xué)圖像處理領(lǐng)域的重點(diǎn)研究課題。本文重點(diǎn)研究了基于核的模糊C均值算法(FuzzyC-means,FCM)及隱馬爾科夫模型(Hidden Markov Models,HMMs)相結(jié)合的人腦MRI三維圖像分割框架。通過多層腦切片的特征向量序列對HMMs模型進(jìn)行訓(xùn)練,并利用訓(xùn)練模型對人腦MRI切片圖像進(jìn)行分類,再利用本文提出的改進(jìn)的基于核的自適應(yīng)正則化的FCM算法對每層腦切片圖像進(jìn)行分割,同時(shí)由切片分類時(shí)得到的信息減輕算法對初值的依賴,進(jìn)而提高三維人腦組織分割的精確度。針對以上思想,本文具體的研究工作如下:1.對人腦切片圖像進(jìn)行去除顱骨組織,去噪等預(yù)處理,對切片進(jìn)行預(yù)分割得到HMMs模型的觀察序列,使用連續(xù)HMMs模型對每張切片進(jìn)行分類,同時(shí)為后續(xù)的改進(jìn)FCM算法提供更加豐富的信息。2.針對傳統(tǒng)FCM算法和相關(guān)的改進(jìn)算法中未充分考慮隸屬度受空間關(guān)系影響的缺點(diǎn),提出改進(jìn)的基于核的自適應(yīng)正則化的FCM算法。改進(jìn)算法引入隸屬度的空間約束函數(shù),通過像素鄰域內(nèi)的隸屬度信息調(diào)節(jié)像素對聚類中心的隸屬程度,權(quán)衡空間信息對隸屬度的影響,提高算法的聚類效果和抗噪性。同時(shí)利用已分割的前一幀的切片信息,進(jìn)一步提升本文的基于核的自適應(yīng)正則化的FCM算法對人腦切片分割的準(zhǔn)確率,最終組合多層分割后的腦切片完成體分割。3.通過幾組對比實(shí)驗(yàn),驗(yàn)證了改進(jìn)的基于核的自適應(yīng)正則化FCM方法和基于HMMs模型的MRI人腦自適應(yīng)切片分割算法的有效性。
[Abstract]:The 3D processing of medical brain image is an active research topic in computer vision, it is for repair surgery, radiotherapy, Stereotactic neurosurgery and other medical fields provide meaningful information on brain tissue. These quantitative measurements are key factors in assessing the progress of central nervous system diseases and greatly improve the ability to diagnose and monitor the evolution of diseases. Magnetic resonance imaging (MRI) Resonance imaging techniques are now widely used in medical fields such as the diagnosis of human brain diseases. Because of its advantages of clear imaging and non-invasive to human safety, MRI images are concerned by more and more people. However, MRI images are easily affected by noise, migration field, partial volume effect and so on. The performance of the computer-based automatic segmentation algorithm, which lacks medical prior knowledge, is seriously degraded. Therefore, the scientific brain tissue segmentation method is still a key research topic in the field of medical image processing. Based on kernel fuzzy C-means algorithm (FuzzyC-means-FCM) and Hidden Markov models (HMMs), a framework for human brain MRI 3D image segmentation is proposed. The HMMs model is trained by the feature vector sequence of multilayer brain slices. Using the training model to classify the human brain MRI slice images, and then using the improved kernel-based adaptive regularization FCM algorithm to segment each slice image. At the same time, the information obtained from the slice classification reduces the dependence of the algorithm on the initial value, thereby improving the accuracy of three-dimensional human brain tissue segmentation. In view of the above ideas, the specific research work of this paper is as follows: 1. Remove the skull tissue from the slice image of human brain. The HMMs model observation sequence is obtained by pre-segmentation of slice, and each slice is classified by continuous HMMs model. At the same time, it provides more abundant information for the following improved FCM algorithm. Aiming at the disadvantage of traditional FCM algorithm and related improved algorithm, the influence of membership degree on spatial relationship is not fully considered. An improved kernel-based adaptive regularization (FCM) algorithm is proposed, in which the spatial constraint function of membership degree is introduced, and the membership degree of pixel to cluster center is adjusted by membership information in pixel neighborhood. Considering the influence of spatial information on membership degree, the clustering effect and anti-noise of the algorithm are improved. At the same time, the slice information of the previous frame is used. Further improve the kernel based adaptive regularization of the FCM algorithm for human brain segmentation accuracy, the final combination of multi-layer segmentation of brain slices complete volume segmentation .3.Through several groups of comparative experiments, The improved kernel-based adaptive regularization FCM method and the MRI human brain adaptive slice segmentation algorithm based on HMMs model are validated.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R445.2;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 王蕊,曾為民,解寶忠;核磁共振成像的新發(fā)展[J];黑龍江電子技術(shù);1998年04期

2 張建鋒;何勇;王南飛;吳迪;龔向陽;;基于核磁共振成像的農(nóng)產(chǎn)品幾何模型重構(gòu)[J];農(nóng)業(yè)工程學(xué)報(bào);2012年21期

3 陳曉光，聶在平，聶小春;核磁共振成像裝置磁場的數(shù)值模擬[J];電子科技大學(xué)學(xué)報(bào);1995年04期

4 陳倩倩;楊虹;趙鵬;;基于FPGA的超導(dǎo)MRI的B_0渦流補(bǔ)償算法[J];微型機(jī)與應(yīng)用;2013年12期

5 吉永星,俎棟林,包尚聯(lián);CT機(jī)和核磁共振成像(MRI)機(jī)之間的比較研究[J];CT理論與應(yīng)用研究;2000年03期

相關(guān)會議論文 前10條

1 董鍵;;核磁共振成像公式與教學(xué)重點(diǎn)[A];第六屆全國高等學(xué)校物理實(shí)驗(yàn)教學(xué)研討會論文集（下冊）[C];2010年

2 滕永波;段瑞平;李婧一;李基臣;朱翠玲;;核磁共振成像的質(zhì)量控制[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

3 李陜生;曹艷清;;湖北省核磁共振成像裝置配置及頒布狀況[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

4 秦偉;沈伊民;吳泰琉;王力平;孫堯俊;邵倩芬;費(fèi)倫;;核磁共振成像——一種研究溶劑在材料中擴(kuò)散的新方法[A];第七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];1992年

5 馮義濂;;核磁共振成像20年[A];第八屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];1994年

6 蔣蘭蘭;宋永臣;楊明軍;;多孔介質(zhì)內(nèi)流體流動的核磁共振成像實(shí)驗(yàn)研究[A];中國力學(xué)大會——2013論文摘要集[C];2013年

7 謝寰彤;;在小型核磁共振中實(shí)現(xiàn)譜成像(MRSI)[A];第十五屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2008年

8 張立琦;謝海濱;鄔學(xué)文;;核磁共振成像中半程掃描技術(shù)的研究[A];第十屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];1998年

9 崔向軍;余成新;陸蓬;侯曉強(qiáng);潘蕾;;近端指間關(guān)節(jié)周圍膠原沉積癥的手核磁共振成像特征[A];全國自身免疫性疾病專題研討會暨第十一次全國風(fēng)濕病學(xué)學(xué)術(shù)年會論文匯編[C];2006年

10 晏小龍;謝海濱;邊明華;李鯁穎;;通用的微成像系統(tǒng)[A];第十一屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2000年

相關(guān)重要報(bào)紙文章 前10條

1 李文;美推出掃描能力最強(qiáng)的MR設(shè)備[N];中國醫(yī)藥報(bào);2008年

2 本報(bào)記者 張夢然;科學(xué)拒絕“例行公事”[N];科技日報(bào);2008年

3 本報(bào)記者　張強(qiáng);走好,“核磁共振成像技術(shù)之父”[N];科技日報(bào);2007年

4 記者 程瑞華;幫企業(yè)做大市場[N];金融時(shí)報(bào);2011年

5 張忠霞;華人科學(xué)家研發(fā)成功氦氣彌散核磁共振成像技術(shù)[N];大眾科技報(bào);2008年

6 ;核磁共振成像將體內(nèi)看得一清二楚[N];大眾衛(wèi)生報(bào);2003年

7 科訊;我國引進(jìn)首臺7T核磁共振儀[N];中國醫(yī)藥報(bào);2010年

8 龔暢;核磁共振成像及其在石油工業(yè)中的應(yīng)用[N];中國石油報(bào);2003年

9 鄭維東;醫(yī)學(xué)分子影像設(shè)備新進(jìn)展[N];國際商報(bào);2002年

10 房琳琳;“高敏感”大腦對他人情緒更敏感[N];科技日報(bào);2014年

相關(guān)博士學(xué)位論文 前6條

1 張曉露;人類大腦皮層中聲音方位表達(dá)機(jī)制的研究[D];清華大學(xué);2015年

2 彭攀;肌萎縮側(cè)索硬化癥認(rèn)知受損的核磁共振成像研究[D];北京協(xié)和醫(yī)學(xué)院;2015年

3 馮錫鋼;腦功能核磁共振成像的質(zhì)量控制研究[D];第一軍醫(yī)大學(xué);2005年

4 李家;面部觸覺及熱刺激痛的功能性核磁共振成像研究[D];中國人民解放軍軍醫(yī)進(jìn)修學(xué)院;2006年

5 張建鋒;基于核磁共振成像技術(shù)的作物根系原位無損檢測研究[D];浙江大學(xué);2014年

6 周水琴;基于核磁共振成像的梨果品質(zhì)無損檢測方法研究[D];浙江大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張亞楠;磁共振圖像降噪處理的研究[D];北京交通大學(xué);2016年

2 何玉杰;基于曲面形狀多尺度分析的大腦核磁共振成像分類研究[D];西安電子科技大學(xué);2014年

3 林夢然;基于壓縮傳感的核磁共振成像方法研究[D];重慶大學(xué);2016年

4 劉卓;基于腦部MRI的三維分割方法研究[D];吉林大學(xué);2017年

5 陳彥如;超快速核磁共振成像（Ultrafast MR Imaging）在阻塞性睡眠呼吸暫停綜合征阻塞部位判定中的臨床意義[D];青島大學(xué);2001年

6 賴再興;核磁共振成像譜儀射頻收發(fā)系統(tǒng)的研制[D];東北大學(xué)　;2009年

7 杜禹璇;核磁共振成像系統(tǒng)軟件設(shè)計(jì)[D];吉林大學(xué);2015年

8 徐志堅(jiān);核磁共振成像儀器技術(shù)研究[D];華東師范大學(xué);2006年

9 郝楠;不同口腔金屬材料對核磁共振成像的影響[D];廣西醫(yī)科大學(xué);2013年

10 郝貴峰;與識別聲音熟悉性和語言熟悉性有關(guān)腦區(qū)的功能核磁共振成像研究[D];南京醫(yī)科大學(xué);2006年

，

本文編號：1540509