【摘要】：肺纖維化疾病是威脅人體健康的四大疾病之一，嚴(yán)重影響著患者的生活和工作。目前尚無(wú)有效方法來治療，盡早發(fā)現(xiàn)病情，控制纖維化程度至關(guān)重要。醫(yī)生常通過肺功能檢查來發(fā)現(xiàn)病情，患者很有可能被誤診，導(dǎo)致錯(cuò)過治療時(shí)間。因此開發(fā)一種可以輔助檢測(cè)纖維化疾病的系統(tǒng)，就顯得非常必要。而如何實(shí)現(xiàn)肺部CT圖像準(zhǔn)確分割和三維重建，以準(zhǔn)確進(jìn)行纖維化定量分析，輔助醫(yī)生診斷病情并盡早制定治療方案，是需要深入研究的基礎(chǔ)和關(guān)鍵。 本文重點(diǎn)研究了醫(yī)學(xué)圖像分割與三維重建算法，借助醫(yī)學(xué)圖像處理技術(shù)，在Matlab平臺(tái)上搭建了肺纖維化輔助檢測(cè)系統(tǒng)，根據(jù)肺部圖像信息特征來進(jìn)行定量分析，并進(jìn)行病人資料記錄。本文所做的主要工作如下： ①在圖像分割方面，介紹了閾值法、區(qū)域生長(zhǎng)法、邊緣檢測(cè)法和基于特定理論的方法等常用的分割方法，通過在Matlab環(huán)境下運(yùn)用各個(gè)算法對(duì)肺部CT圖像進(jìn)行了分割，分析了各個(gè)算法的優(yōu)缺點(diǎn)。針對(duì)傳統(tǒng)方法很難滿足課題要求的問題，，提出了基于改進(jìn)Snake模型的肺部圖像分割算法。將原圖像進(jìn)行閾值分割得到大致邊界，然后利用Live-wire模型得到初始輪廓，最后利用Snake模型提取肺實(shí)質(zhì)。文章分別對(duì)Live-wire算法和Snake模型的缺點(diǎn)進(jìn)行了相關(guān)的改進(jìn)。利用圖像分割算法的評(píng)價(jià)方法，對(duì)改進(jìn)的Snake算法進(jìn)行了評(píng)價(jià)和分析。 ②在三維重建方面，介紹了三維重建中的面繪制和體繪制兩種方法，分析了這兩種方法的特點(diǎn)，最后在Matlab環(huán)境下對(duì)肺部序列圖像使用體繪制方法進(jìn)行了三維重建。 ③在肺纖維化輔助檢測(cè)方面，根據(jù)分割得到的肺實(shí)質(zhì)，從灰度特征、肺野面積等定量分析肺纖維化；根據(jù)得到的肺三維模型從不同角度觀察有無(wú)纖維化病灶。 ④在Matlab環(huán)境下對(duì)系統(tǒng)進(jìn)行了設(shè)計(jì)與開發(fā)。主要對(duì)圖像讀取顯示、圖像分割、三維重建、定量分析、數(shù)據(jù)庫(kù)資料記錄等模塊進(jìn)行了設(shè)計(jì)實(shí)現(xiàn)。 本文通過研究圖像分割和重建，構(gòu)造了肺纖維化輔助診斷系統(tǒng)，能輔助醫(yī)生定量分析肺纖維化疾病，準(zhǔn)確診斷輕度肺纖維化、進(jìn)展期肺纖維化和重度纖維化，取得了良好的效果。
[Abstract]:Pulmonary fibrosis is one of the four major diseases threatening human health, which seriously affects the life and work of patients. At present, there is no effective method to treat the disease. It is very important to find the disease and control the degree of fibrosis as soon as possible. Doctors often use pulmonary function tests to find the condition, patients are likely to be misdiagnosed, resulting in missed treatment time. Therefore, it is necessary to develop a system that can assist the detection of fibrosis diseases. How to realize accurate segmentation and 3D reconstruction of lung CT images, to accurately carry out quantitative analysis of fibrosis, assist doctors to diagnose the disease and formulate treatment plans as soon as possible, is the foundation and key to further study. This paper focuses on the medical image segmentation and 3D reconstruction algorithm. With the help of medical image processing technology, a pulmonary fibrosis detection system is built on the Matlab platform, and quantitative analysis is carried out according to the characteristics of lung image information. Patient data were recorded. The main work of this paper is as follows: 1 in the aspect of image segmentation, some common segmentation methods, such as threshold method, region growth method, edge detection method and method based on specific theory, are introduced. In this paper, lung CT images are segmented in Matlab environment, and their advantages and disadvantages are analyzed. Aiming at the problem that the traditional method is difficult to meet the requirements of the subject, a lung image segmentation algorithm based on improved Snake model is proposed. The original image is segmented by threshold, then the initial contour is obtained by using Live-wire model, and the lung parenchyma is extracted by Snake model. In this paper, the shortcomings of Live-wire algorithm and Snake model are improved. Using the evaluation method of image segmentation algorithm, the improved Snake algorithm is evaluated and analyzed. 2 in 3D reconstruction, two methods of surface rendering and volume rendering are introduced, and the characteristics of these two methods are analyzed. Finally, 3D reconstruction of lung sequence image using volume rendering method was carried out under Matlab environment. 3 in the aspect of pulmonary fibrosis assistant detection, quantitative analysis of pulmonary fibrosis was carried out according to the segmented lung parenchyma, such as gray feature, lung field area and so on. According to the three dimensional lung model obtained, the fibrosis lesions were observed from different angles. 4 the system was designed and developed under Matlab environment. The modules of image reading and display, image segmentation, 3D reconstruction, quantitative analysis, database recording and so on are designed and implemented. Through the study of image segmentation and reconstruction, an auxiliary diagnostic system for pulmonary fibrosis is constructed, which can assist doctors in quantitative analysis of pulmonary fibrosis diseases, accurate diagnosis of mild pulmonary fibrosis, progressive pulmonary fibrosis and severe fibrosis. Good results have been achieved.
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP391.41;R563

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳康,趙遠(yuǎn)東;基于區(qū)域信息的Snake模型醫(yī)學(xué)圖像分割[J];微電子學(xué)與計(jì)算機(jī);2005年03期

2 曹遠(yuǎn)星;董育寧;;蛇模型綜述[J];信息技術(shù);2006年03期

3 高原,耿國(guó)華,周明全;一種新的基于多級(jí)混合模型的圖像分割方法[J];計(jì)算機(jī)應(yīng)用與軟件;2005年02期

4 顏華;王成道;;運(yùn)動(dòng)目標(biāo)的分割及其神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)[J];模式識(shí)別與人工智能;1995年02期

5 李斌,莊天戈;圖像分割中采用自適應(yīng)三次B樣條修飾輪廓線[J];光學(xué)技術(shù);2001年05期

6 羅文村;關(guān)于多種分割方法的綜合集成的研究[J];現(xiàn)代計(jì)算機(jī);2001年06期

7 陳濤,卜佳俊;一種新穎的基于邊緣檢測(cè)的圖像分割方法[J];計(jì)算機(jī)工程;2003年07期

8 周銘;低信噪比紅外小目標(biāo)圖像的分割方法[J];激光與紅外;2004年03期

9 劉宏建,劉允才;一種基于粗集理論的圖像分割方法[J];紅外與毫米波學(xué)報(bào);2004年06期

10 闕大順,劉明慧;基于圖像分割的復(fù)雜面積計(jì)算方法研究與實(shí)現(xiàn)[J];交通與計(jì)算機(jī);2005年02期

相關(guān)會(huì)議論文 前10條

1 相彬森;;基于改進(jìn)的GVF-Snake模型指骨X線圖像分割[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

2 薛笑榮;趙榮椿;張艷寧;段鋒;蘇愛民;;基于樹型小波變換的SAR圖像分割[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

3 黎明;周琳霞;楊小芹;;圖像的進(jìn)化計(jì)算分割法[A];中國(guó)圖象圖形學(xué)會(huì)第十屆全國(guó)圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國(guó)虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

4 周暉;趙珂;王潤(rùn)生;;基于數(shù)據(jù)屬性驅(qū)動(dòng)的高分辨率遙感圖像自適應(yīng)融合分割算法[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

5 韓立強(qiáng);;基于圖像分割技術(shù)的汽車發(fā)動(dòng)機(jī)缸體表面缺陷檢測(cè)[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（下冊(cè)）[C];1999年

6 曹永鋒;孫洪;徐新;;基于盆地動(dòng)力學(xué)的圖像多級(jí)閾值化方法[A];第十一屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

7 陳明;;一種指紋圖像分割方法[A];全國(guó)第16屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2004年

8 饒洪輝;姬長(zhǎng)英;;基于分水嶺算法的綠色作物和背景分割[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè)[C];2005年

9 閆成新;范波濤;;基于梯度門限的圖像過渡區(qū)提取與分割[A];中國(guó)圖學(xué)新進(jìn)展2007——第一屆中國(guó)圖學(xué)大會(huì)暨第十屆華東六省一市工程圖學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

10 王一波;胡仲翔;姚耀;;基于水平集的激光條紋提取方法[A];2009全國(guó)虛擬儀器大會(huì)論文集（一）[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 王萍;董瑞讓中醫(yī)走向世界“肺纖維化”防治領(lǐng)域的前沿[N];健康報(bào);2011年

2 張紓難;中藥有助逆轉(zhuǎn)肺纖維化[N];健康報(bào);2003年

3 河北 劉涓;解讀肺纖維化[N];家庭醫(yī)生報(bào);2009年

4 劉燕玲;抗肺纖維化中藥進(jìn)入臨床試驗(yàn)[N];健康報(bào);2003年

5 河北省職工醫(yī)學(xué)院附屬醫(yī)院內(nèi)科 劉涓;肺纖維化尤需防感染[N];健康報(bào);2009年

6 北京同仁醫(yī)院呼吸科主任醫(yī)師 孫永昌;肺纖維化:明確病因是關(guān)鍵[N];保健時(shí)報(bào);2009年

7 北京中日友好醫(yī)院 張紓難;肺纖維化的治療原則[N];中國(guó)中醫(yī)藥報(bào);2000年

8 靜雨 譯;自發(fā)性肺纖維化新療法[N];中國(guó)醫(yī)藥報(bào);2002年

9 李 戎 閆智勇 唐 勇 李文軍 　王 興 張?zhí)於?劉明芳 羅蜀蓉;肺纖維化的中醫(yī)藥治療綜述[N];中國(guó)中醫(yī)藥報(bào);2003年

10 劉燕玲;恢復(fù)期非典患者肺纖維化預(yù)防受關(guān)注[N];健康報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 張印輝;多尺度馬爾可夫隨機(jī)場(chǎng)圖像分割方法研究[D];昆明理工大學(xué);2010年

2 白小晶;基于偏微分方程的圖像分割與配準(zhǔn)研究[D];南京理工大學(xué);2010年

3 陳志彬;非參數(shù)變形模型結(jié)合模糊技術(shù)的MRI圖像分割[D];大連理工大學(xué);2010年

4 高浩;粒子群算法及其在圖像分割中的應(yīng)用與研究[D];江南大學(xué);2009年

5 周鮮成;基于微粒群算法的數(shù)字圖像處理方法研究[D];中南大學(xué);2008年

6 付曉薇;基于量子力學(xué)的圖像處理方法研究[D];華中科技大學(xué);2010年

7 李旭超;小波變換和馬爾可夫隨機(jī)場(chǎng)在圖像降噪與分割中的應(yīng)用研究[D];浙江大學(xué);2006年

8 張新野;基于聚類分析的圖像分割方法研究[D];大連海事大學(xué);2012年

9 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

10 黃陳蓉;基于Gap統(tǒng)計(jì)的圖像分割理論與算法研究[D];南京理工大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 嚴(yán)靈毓;基于半監(jiān)督學(xué)習(xí)的圖像分割系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2010年

2 宋曉峰;基于貝葉斯置信傳播的圖像分割方法研究[D];西安電子科技大學(xué);2009年

3 葛秘蕾;基于云理論的圖像分割技術(shù)研究[D];哈爾濱工程大學(xué);2010年

4 康朝紅;基于支持向量機(jī)的X線圖像分割技術(shù)研究[D];河北大學(xué);2009年

5 蕭湘;骨髓細(xì)胞圖像分割方法研究[D];中南林業(yè)科技大學(xué);2010年

6 尚金奎;基于粗糙集理論的圖像分割方法研究[D];東北大學(xué);2008年

7 胡媛媛;基于形態(tài)學(xué)的圖像分割方法的研究與應(yīng)用[D];昆明理工大學(xué);2008年

8 藺恒;基于人工免疫網(wǎng)絡(luò)的圖像分割[D];西安電子科技大學(xué);2010年

9 李云剛;自由搜索算法的改進(jìn)及其在圖像分割中的應(yīng)用[D];哈爾濱工程大學(xué);2010年

10 柳瑩瑩;基于量子進(jìn)化計(jì)算的數(shù)據(jù)聚類和圖像分割[D];西安電子科技大學(xué);2010年

本文編號(hào)：2161464