發(fā)布時(shí)間：2021-08-06 10:01

　　隨著超聲換能器技術(shù)的不斷發(fā)展，超聲圖像質(zhì)量在時(shí)空分辨率上有著大幅的提高。圖像質(zhì)量的改善擴(kuò)展了超聲應(yīng)用，使其出現(xiàn)在了圖像引導(dǎo)腎臟微創(chuàng)介入治療領(lǐng)域中，而并不局限于以前的傳統(tǒng)診斷領(lǐng)域。但是由于超聲圖像本身的低信噪比特性，使得圖像引導(dǎo)手術(shù)中的超聲圖像分割與超聲圖像追蹤仍然是一個(gè)挑戰(zhàn)。在圖像分割與圖像追蹤算法不斷涌現(xiàn)過(guò)程中，大量學(xué)者將水平集分割算法應(yīng)用到了超聲圖像分割與超聲圖像追蹤領(lǐng)域中。水平集分割方法自從被Osher和Sethian最早提出之后，不同學(xué)者提出了基于該理論框架的改進(jìn)模型，如紋理模型、灰度統(tǒng)計(jì)模型、馬爾科夫隨機(jī)場(chǎng)模型、形狀模型等。很多模型的引入是為了克服超聲圖像的斑點(diǎn)噪聲，但是由于超聲圖像低信噪比特性，眾多含有復(fù)雜模型的水平集方法經(jīng)常收斂到局部最小值，使得魯棒性較低。根據(jù)臨床應(yīng)用需要，本文通過(guò)大量的實(shí)驗(yàn)，提出了一套新的超聲圖像分割與超聲圖像追蹤算法框架。針對(duì)超聲腎臟分割，本文算法框架包含了超聲圖像去噪、超聲圖像分割以及形狀先驗(yàn)優(yōu)化。相比于常見(jiàn)的基于形狀先驗(yàn)的水平集方法，整個(gè)算法框架中只尋找一次感興趣形狀，這大大降低了分割所用時(shí)間。并且，將感興趣形狀的尋找放在水平集迭代之外使得算法框... 

【文章來(lái)源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院)廣東省

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
目錄
圖目錄
表目錄
第一章 緒論
    1.1 課題研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 課題研究?jī)?nèi)容
    1.4 本論文的內(nèi)容安排
第二章 水平集圖像分割算法
    2.1 介紹
    2.2 水平集方法
    2.3 基于區(qū)域的分割
        2.3.1 圖像分割的貝葉斯理解
        2.3.2 兩相水平集形式
        2.3.3 多相水平集形式
        2.3.4 標(biāo)量圖像的水平集形式
    2.4 水平集形式的應(yīng)用
        2.4.1 灰度和彩色圖像的分割
        2.4.2 紋理圖像的分割
        2.4.3 結(jié)合形狀先驗(yàn)的水平集方法
    2.5 小結(jié)
第三章 形狀優(yōu)化的水平集方法
    3.1. 引言
    3.2. 非局部全變差方法
        3.2.1 統(tǒng)計(jì)鄰域方法
        3.2.2 非局部全變差算法（NLTV）
        3.2.3 NLTV 的統(tǒng)計(jì)連續(xù)性
        3.2.4 NLTV 模型實(shí)現(xiàn)
    3.3. 距離正則化的水平集演化方法（DRLSE）
        3.3.1 介紹
        3.3.2 距離正則化的能量形式
        3.3.3 能量最小值的梯度流
        3.3.4 距離正則化的雙井函數(shù)
        3.3.5 距離正則化效果
        3.3.6 距離正則化的有限差分策略
        3.3.7 基于邊緣的 DRLSE
    3.4. 形狀先驗(yàn)優(yōu)化
        3.4.1 模型對(duì)齊
        3.4.2 多分辨率對(duì)齊
        3.4.3 隱式參數(shù)形狀模型
        3.4.4 形狀優(yōu)化模型
    3.5. 本章小結(jié)
第四章 基于形狀優(yōu)化的超聲腎臟分割實(shí)驗(yàn)
    4.1 引言
    4.2 分割算法特點(diǎn)
    4.3 形狀優(yōu)化算法框架實(shí)驗(yàn)
        4.3.1 預(yù)處理：NLTV 圖像去噪
        4.3.2 分割處理：DRLSE 分割
        4.3.3 優(yōu)化處理：形狀先驗(yàn)優(yōu)化
        4.3.4 實(shí)驗(yàn)的定性分析
        4.3.5 實(shí)驗(yàn)的定量分析
        4.3.6 實(shí)驗(yàn)特例
    4.4 結(jié)論
第五章 基于形狀優(yōu)化的超聲腎臟追蹤實(shí)驗(yàn)
    5.1 引言
    5.2 直方圖搜尋
    5.3 超聲追蹤實(shí)驗(yàn)
        5.3.1 實(shí)驗(yàn)定性分析
        5.3.2 實(shí)驗(yàn)定量分析
    5.4 結(jié)論
第六章 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3325568