小動(dòng)物影像分析在臨床前的癌癥研究和新藥試制中具有重要意義,小鼠則是小動(dòng)物實(shí)驗(yàn)中最常見(jiàn)的個(gè)體。小鼠CT成像是小鼠影像分析中普遍使用的成像模式,因此對(duì)小鼠CT圖像的處理成為小動(dòng)物影像分析的重點(diǎn)。其中數(shù)字解剖學(xué)圖譜發(fā)揮著重要的作用,通過(guò)圖譜與目標(biāo)個(gè)體的配準(zhǔn),為目標(biāo)個(gè)體提供解剖學(xué)結(jié)構(gòu)上的參照。本課題研究以小鼠微型CT圖像(Micro Computed Tomography,micro-CT)作為目標(biāo),使用可變形小鼠全身圖譜與目標(biāo)圖像進(jìn)行配準(zhǔn),實(shí)現(xiàn)對(duì)目標(biāo)小鼠的器官區(qū)域的劃分。圖譜構(gòu)建為本文第一部分工作,使用C++構(gòu)建可變形小鼠全身圖譜,實(shí)現(xiàn)圖譜可隨小鼠姿勢(shì)、身長(zhǎng)和體重的變化而變化,變形過(guò)程中器官間的個(gè)體形態(tài)差異使用統(tǒng)計(jì)形狀模型(Statistical Shape Model,SSM)的變形表示,高對(duì)比度器官與低對(duì)比度器官間的位置關(guān)系可由條件高斯模型(Conditional Gaussian Model,CGM)表示。構(gòu)建后的圖譜具有更快的變形速度,同時(shí)具備較強(qiáng)的可發(fā)布性�；跇�(gòu)建的可變形小鼠圖譜,研發(fā)了基于高對(duì)比度器官分割的圖譜配準(zhǔn)算法,基于皮膚、骨骼和肺的分割結(jié)果,使用圖譜中的高對(duì)比度器官進(jìn)行配準(zhǔn),然后對(duì)低對(duì)比度器官進(jìn)行映射,實(shí)現(xiàn)全身圖譜的配準(zhǔn)。但是該算法高度依賴高對(duì)比度器官的分割,對(duì)于分辨率過(guò)低的圖像并不適用。為了解決該算法的局限性,提出了新的改進(jìn)算法,無(wú)需高對(duì)比度器官分割的圖譜配準(zhǔn)算法。對(duì)圖譜中的高對(duì)比度器官進(jìn)行相應(yīng)的CT值填充,使用填充后的灰度圖像直接與CT圖像進(jìn)行配準(zhǔn),去除了對(duì)高對(duì)比度器官分割的依賴,同時(shí)提升了算法的配準(zhǔn)精度和魯棒性。隨著小鼠CT影像的積累,出現(xiàn)了各種不同形態(tài)姿勢(shì)的影像數(shù)據(jù),為能夠?qū)ζ溆行Х治?在以上算法的基礎(chǔ)上提出了基于解剖標(biāo)定點(diǎn)的圖譜配準(zhǔn)算法,使用人工指定的標(biāo)定點(diǎn)預(yù)先調(diào)整圖譜形態(tài)姿勢(shì)變形,然后進(jìn)行后續(xù)配準(zhǔn)。該算法的配準(zhǔn)結(jié)果通過(guò)視覺(jué)觀察能夠較好的將圖譜配準(zhǔn)到目標(biāo)個(gè)體。從Dice指數(shù)、器官體積恢復(fù)系數(shù)_(7)8))和曲面距離_(1))三方面與通用方法Digimouse的配準(zhǔn)結(jié)果進(jìn)行定量比較,本算法在整體上的性能要更優(yōu),具有更高的配準(zhǔn)精度和魯棒性。本文通過(guò)使用可變形小鼠全身圖譜與目標(biāo)小鼠CT圖像進(jìn)行配準(zhǔn),創(chuàng)新性地解決了目標(biāo)影像分辨率過(guò)低的問(wèn)題;利用圖譜可變形特點(diǎn),解決了影像配準(zhǔn)過(guò)程中身體姿態(tài)變化和器官個(gè)體形態(tài)差異的問(wèn)題,同時(shí)保證算法的配準(zhǔn)精度和魯棒性。
【學(xué)位單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：R-332;TP391.41
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 小鼠數(shù)字圖譜
        1.2.2 基于小鼠全身數(shù)字圖譜的配準(zhǔn)研究
    1.3 本文的工作內(nèi)容
2 可變形小鼠全身圖譜構(gòu)建及配準(zhǔn)算法的理論基礎(chǔ)
    2.1 可變形小鼠全身圖譜理論基礎(chǔ)
        2.1.1 統(tǒng)計(jì)形狀模型
        2.1.3 條件高斯模型
        2.1.4 小鼠全身圖譜形態(tài)姿勢(shì)變化
    2.2 圖像配準(zhǔn)理論基礎(chǔ)
        2.2.1 圖像配準(zhǔn)基本思想
        2.2.2 圖像配準(zhǔn)變形方式
        2.2.3 圖像配準(zhǔn)相似性測(cè)度
    2.3 配準(zhǔn)精度評(píng)估
3 可變形小鼠全身圖譜的構(gòu)建
    3.1 實(shí)驗(yàn)數(shù)據(jù)
    3.2 基于C++構(gòu)建可變形小鼠全身圖譜
    3.3 圖譜構(gòu)建結(jié)果
    3.4 本章小結(jié)
4 基于高對(duì)比度器官分割的圖譜配準(zhǔn)算法
    4.1 實(shí)驗(yàn)數(shù)據(jù)
    4.2 算法描述
        4.2.1 高對(duì)比度器官自動(dòng)分割
        4.2.2 基于高對(duì)比度器官配準(zhǔn)
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
5 無(wú)需高對(duì)比度器官分割的圖譜配準(zhǔn)算法
    5.1 實(shí)驗(yàn)數(shù)據(jù)
    5.2 算法描述
    5.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
6 基于解剖標(biāo)定點(diǎn)的圖譜配準(zhǔn)算法
    6.1 實(shí)驗(yàn)數(shù)據(jù)
    6.2 算法描述
        6.2.1 標(biāo)定點(diǎn)選取
        6.2.2 基于解剖標(biāo)定點(diǎn)配準(zhǔn)
    6.3 實(shí)驗(yàn)結(jié)果與分析
        6.3.1 配準(zhǔn)結(jié)果的視覺(jué)評(píng)估
        6.3.2 配準(zhǔn)結(jié)果的定量評(píng)估
    6.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張宏哲;;FFT算法的一種改進(jìn)[J];長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

2 苑寶生,俞鐵城;連呼漢語(yǔ)識(shí)別研究[J];聲學(xué)學(xué)報(bào);1989年06期

3 孫楊模;;操作系統(tǒng)常見(jiàn)的幾種算法舉例分析[J];湖北三峽職業(yè)技術(shù)學(xué)院學(xué)報(bào);2010年02期

4 郜振華;吳昊;;一種改進(jìn)的混合蝙蝠算法[J];南華大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年01期

5 吳天行;郭鍵;;基于“反學(xué)習(xí)”理論的人工蜂群算法在訂單分批問(wèn)題中的應(yīng)用[J];物流技術(shù);2017年12期

6 全燕;陳龍;;算法傳播的風(fēng)險(xiǎn)批判:公共性背離與主體扭曲[J];華中師范大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版);2019年01期

7 呂山;;從算法倫理圖譜揭示算法中的倫理悖論[J];傳播力研究;2019年30期

8 肖海軍;成金華;何凡;;雙核因素蝙蝠算法[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年01期

9 張進(jìn);;一種快速雙對(duì)分邏輯運(yùn)算算法[J];情報(bào)學(xué)報(bào);1992年03期

10 陳廣江;用MUSIC算法處理非均勻間隔采樣數(shù)據(jù)[J];系統(tǒng)工程與電子技術(shù);1998年09期

相關(guān)博士學(xué)位論文 前10條

1 丁佳駿;密度峰聚類(lèi)算法研究及其在社團(tuán)發(fā)現(xiàn)中的應(yīng)用[D];浙江工業(yè)大學(xué);2019年

2 韓惠蕊;面向慢性病輔助診斷的多標(biāo)簽學(xué)習(xí)算法研究[D];海南大學(xué);2019年

3 苗苗;類(lèi)電磁機(jī)制算法及若干應(yīng)用的研究[D];西安電子科技大學(xué);2017年

4 劉婧;非理想條件下DOA估計(jì)算法研究[D];哈爾濱工程大學(xué);2018年

5 鄭偉華;快速傅立葉變換—算法及應(yīng)用[D];湖南大學(xué);2015年

6 彭展;序列挖掘中幾類(lèi)關(guān)鍵問(wèn)題的模型及算法研究[D];西安電子科技大學(xué);2017年

7 李勇;基于深度學(xué)習(xí)的粒子圖像測(cè)速算法研究及應(yīng)用[D];華中科技大學(xué);2018年

8 宋云勝;基于劃分與壓縮的加速學(xué)習(xí)算法研究[D];山西大學(xué);2018年

9 滕飛;基于視覺(jué)的內(nèi)河重點(diǎn)水域船舶跟蹤算法研究[D];武漢理工大學(xué);2016年

10 謝涌泉;蜜蜂算法研究與應(yīng)用[D];武漢理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 易興庭;基于改進(jìn)螢火蟲(chóng)算法的電力系統(tǒng)多目標(biāo)有功調(diào)度研究[D];重慶郵電大學(xué);2019年

2 江平平;改進(jìn)的網(wǎng)格密度峰值聚類(lèi)算法在入侵檢測(cè)中的應(yīng)用[D];南昌大學(xué);2019年

3 姚江濤;基于機(jī)器視覺(jué)的藥片檢測(cè)和識(shí)別算法的研究[D];哈爾濱工業(yè)大學(xué);2019年

4 陳振岳;移動(dòng)邊緣計(jì)算中的任務(wù)分發(fā)算法研究[D];哈爾濱工業(yè)大學(xué);2019年

5 舒敏;基于哈希編碼的異常檢測(cè)算法研究[D];浙江師范大學(xué);2019年

6 馮雅莉;矩陣補(bǔ)全算法與圖像恢復(fù)的研究[D];廣東工業(yè)大學(xué);2019年

7 陳翔宇;基于FPGA的多算法可重構(gòu)加解密系統(tǒng)的設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2018年

8 趙鑫;室內(nèi)環(huán)境下人物圖像檢測(cè)與精確計(jì)數(shù)[D];國(guó)防科技大學(xué);2018年

9 王辛;基于動(dòng)態(tài)距離社區(qū)發(fā)現(xiàn)算法研究與實(shí)現(xiàn)[D];國(guó)防科技大學(xué);2017年

10 袁梓洋;基于先驗(yàn)的相位恢復(fù)問(wèn)題低復(fù)雜度算法研究[D];國(guó)防科技大學(xué);2017年

本文編號(hào)：2844246