磁共振成像(MRI)作為臨床輔助診斷的不可缺少的工具,已經(jīng)成為醫(yī)學(xué)影像技術(shù)中的一種重要成像手段。MRI通過高質(zhì)量的圖像顯示為醫(yī)療診斷和研究提供了重要的信息,被廣泛應(yīng)用于包括腦部成像的各個領(lǐng)域。目前,包括圖像指導(dǎo)手術(shù),治療結(jié)果評估和新的診斷工具都得益于腦部解剖結(jié)構(gòu)的三維模型的建立。而作為所有研究基礎(chǔ)的腦部分割算法研究更是具有無可替代的重要性,其目的在于分離腦部圖像中的主要組織結(jié)構(gòu)。分割結(jié)果的可視化和量化分析有助于對腦部進行功能研究。腦部圖像的分割也被更多地應(yīng)用于皮層表面繪圖,腦容量測量,腦部三維建模等領(lǐng)域。目前為止,多數(shù)的文獻報道都致力于成人腦部分割算法的研究,而適合兒童腦部分割的算法卻較少提及。 針對這一問題,本文研究了一種半自動的適用于兒童T1三維腦部核磁共振圖像(3D-MRI)的分割方法。本方法基于直方圖分析和數(shù)學(xué)形態(tài)學(xué)操作,并通過大量的實驗得到許多適用于兒童腦部的參數(shù)。整個分割過程包括四個主要部分:首先從頭部MRI圖像中去除非腦組織,得到整個腦模板;再分別從腦模板中分割提取腦干和小腦;最后分離左右兩個腦半球。實驗在對于30幅5至15歲的兒童腦部圖像分割中獲得了較好的分割結(jié)果。
【學(xué)位單位】：第四軍醫(yī)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2009
【中圖分類】：TP391.41;R445.2
【部分圖文】：

第四軍醫(yī)大學(xué)碩士學(xué)位論文間內(nèi)的灰度值，也就是我們實際的圖像文件。2 兒童腦部的解剖結(jié)構(gòu)和 MRI 圖像分類2.1 兒童腦部的解剖結(jié)構(gòu)我們的目標(biāo)是對兒童大腦進行功能結(jié)構(gòu)分割，大體上，人的腦部可以分為三大部分：

橫跨在中腦和延髓之間。它由胚胎早期的菱腦分化而來，是腦中僅次于大腦的第二大結(jié)構(gòu)。小腦的功能主要是調(diào)整肌緊張，維持身體平衡并且控制肌肉的張力和協(xié)調(diào)。大腦（cerebrum）：腦干之上連接著上腦，也稱為大腦，是人腦中的最大部分。大腦分為左右兩個腦半球，兩腦半球由底部的胼胝體相連。半球表面凹凸不平，布滿深淺不同的溝和裂，溝裂之間的隆起稱為腦回。覆蓋在大腦半球表面的一層灰質(zhì)稱為大腦皮層，是神經(jīng)元胞體集中的地方；皮層的深層部分為白質(zhì)，稱為髓質(zhì)。2.2 MRI 圖像分類和兒童腦部 MRI 圖像特點磁共振圖像通過非介入測量為我們提供了腦內(nèi)部結(jié)構(gòu)的三維描述，常見的 MRI 圖像有三種：

第四軍醫(yī)大學(xué)碩士學(xué)位論文T2 序列圖像：應(yīng)用自旋回波序列成像，受磁場的非均勻性影響較少。T2 序列圖像對病變組織反應(yīng)敏感。在 T2 圖像中，水和液體組織呈現(xiàn)較高的灰度級，脂肪組織顯示出較低的灰度級。FLAIR 圖像：液體衰減反轉(zhuǎn)恢復(fù)圖像（fluid attenuated inversionrecovery）抑制腦脊液等液體信號增強對病變組織的顯示對比度，在顯示腦皮層下和腦室旁的病變方面更有優(yōu)勢。

【共引文獻】

相關(guān)期刊論文 前10條

1 程一斌,汪松,任彬;利用彈簧模型提取物體輪廓[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2001年02期

2 張坤,羅立民,舒華忠,楊芳;基于Level Set方法的Visible Human Being虛擬人圖像處理[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2005年04期

3 張雪飛;;基于GVF模型的蔬果圖像快速分割方法[J];安徽農(nóng)業(yè)科學(xué);2010年05期

4 趙瑩;張學(xué)東;;改進水平集的車輛檢測算法[J];遼寧科技大學(xué)學(xué)報;2010年05期

5 張鶴;董彥麟;;一種改進的變分水平集車輛檢測技術(shù)[J];遼寧科技大學(xué)學(xué)報;2011年03期

6 李燕;羅四維;鄒琪;;帶評價系統(tǒng)的曲率相關(guān)有向主動輪廓模型[J];北京交通大學(xué)學(xué)報;2010年02期

7 易鑫;李雷;;基于數(shù)學(xué)形態(tài)學(xué)的snake模型圖像分割[J];兵工自動化;2007年09期

8 王孝通,趙晶,金良安;視頻序列中目標(biāo)定位跟蹤的一種新方法[J];兵工學(xué)報;2005年05期

9 胡永利,尹寶才;基于線性組合模型的人臉特征檢測方法[J];北京工業(yè)大學(xué)學(xué)報;2005年05期

10 李旭東,宗光華,畢樹生,趙瑋;生物工程微操作機器人視覺系統(tǒng)的研究[J];北京航空航天大學(xué)學(xué)報;2002年03期

相關(guān)會議論文 前10條

1 譚守標(biāo);霍劍青;郝建;王曉蒲;趙永飛;謝行恕;;高分辨率軟X射線顯微成像下細(xì)胞的自動提取?[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

2 ;A Hardware-Accelerated Segmentation Algorithm for Moving Object Generation[A];第二十七屆中國控制會議論文集[C];2008年

3 周佳男;;一種拓?fù)浼y理圖像的相位場模型分割算法[A];第二十七屆中國控制會議論文集[C];2008年

4 ;Edge Detection of Wood Defects in X-ray Wood Image Using Neural Network and Mathematical Morphology[A];第二十九屆中國控制會議論文集[C];2010年

5 邱雪娜;劉士榮;劉斐;朱偉濤;杜方芳;;一種基于序貫檢測機制的運動目標(biāo)跟蹤算法[A];第二十九屆中國控制會議論文集[C];2010年

6 趙建;劉偉寧;;基于主動輪廓模型的海天線檢測算法[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅰ[C];2011年

7 劉勛;孟驤龍;毋立芳;;基于自適應(yīng)對象模型的籃球運動跟蹤方法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

8 胡彥婷;木拉提·哈米提;陳建軍;孔德偉;孫靜;姬金虎;;Bayesian分類算法和活動輪廓模型在肝包蟲CT圖像分割中的應(yīng)用[A];自主創(chuàng)新與持續(xù)增長第十一屆中國科協(xié)年會論文集（3）[C];2009年

9 謝琛;;基于ASM的人臉特征點定位淺析[A];中國電子學(xué)會第十六屆信息論學(xué)術(shù)年會論文集[C];2009年

10 黃建軍;唐亮;謝維信;謝興燦;;基于對稱邊緣方向直方圖自動提取主要道路[A];信號與信息處理技術(shù)第三屆信號與信息處理全國聯(lián)合學(xué)術(shù)會議論文集[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 王興梅;水下聲納圖像的MRF目標(biāo)檢測與水平集的輪廓提取方法研究[D];哈爾濱工程大學(xué);2010年

2 韓守東;紋理建模與圖切分優(yōu)化方法研究[D];華中科技大學(xué);2010年

3 莫X;基于隱式函數(shù)的曲面重構(gòu)方法及其應(yīng)用[D];華中科技大學(xué);2010年

4 涂虬;智能視覺監(jiān)視中目標(biāo)檢測與跟蹤算法研究[D];華中科技大學(xué);2010年

5 徐蕭蕭;基于特征學(xué)習(xí)與特征聯(lián)想的視覺跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2010年

6 王義文;鋼球表面缺陷檢測關(guān)鍵技術(shù)研究及樣機研制[D];哈爾濱理工大學(xué);2010年

7 辛哲奎;基于視覺的小型無人直升機地面目標(biāo)跟蹤技術(shù)研究[D];南開大學(xué);2010年

8 鐘凡;在線視頻分割關(guān)鍵問題研究[D];浙江大學(xué);2010年

9 任明藝;時空聯(lián)合的視頻運動目標(biāo)分割技術(shù)研究[D];電子科技大學(xué);2010年

10 孔丁科;幾何活動輪廓圖像分割模型的研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 孫濤;基于DR骨密度分析系統(tǒng)的研究[D];南京醫(yī)科大學(xué);2010年

2 趙永剛;圖像檢索中形狀描述和匹配算法研究[D];南昌航空大學(xué);2010年

3 胡申寧;中醫(yī)舌診中舌色、苔色自動分類的研究[D];浙江理工大學(xué);2010年

4 李光;基于均值偏移的視頻目標(biāo)跟蹤、檢測算法研究及系統(tǒng)實現(xiàn)[D];浙江理工大學(xué);2010年

5 陳欣欣;基于CT圖像的血管分割[D];鄭州大學(xué);2010年

6 孫宏偉;基于鏈碼的視覺軌線跟蹤[D];哈爾濱工程大學(xué);2010年

7 馬玲;拓?fù)浼s束法在序列圖像高密度細(xì)胞追蹤中的應(yīng)用[D];哈爾濱工程大學(xué);2010年

8 許東濱;基于水平集和局部灰度閾值的神經(jīng)干細(xì)胞序列圖像的分割算法[D];哈爾濱工程大學(xué);2010年

9 王炎慶;基于卡爾曼濾波器的神經(jīng)元干細(xì)胞序列圖像中活躍細(xì)胞的追蹤[D];哈爾濱工程大學(xué);2010年

10 張晶明;基于達芬奇技術(shù)的水聲圖像處理研究[D];哈爾濱工程大學(xué);2010年

本文編號：2816876