發(fā)布時(shí)間：2020-07-06 11:18

【摘要】：腦部腫瘤是較為嚴(yán)重的腫瘤疾病之一,目前與腦部腫瘤圖像相關(guān)的研究愈加得到關(guān)注。對(duì)腦部膠質(zhì)瘤圖像診斷主要基于該部位CT和MRI切片掃描圖像,且兩者融合結(jié)果對(duì)腦部腫瘤診斷具有極大幫助。但是,CT與MRI圖像之間的坐標(biāo)體系是不對(duì)應(yīng)的,現(xiàn)有針對(duì)該問題的配準(zhǔn)算法計(jì)算耗時(shí)且精度低。同時(shí)配準(zhǔn)好的圖像使用現(xiàn)有的融合算法不能很好反應(yīng)出CT與MRI圖像的特性。目前并無相關(guān)的醫(yī)學(xué)輔助分析診斷軟件提供服務(wù)。因而本文中對(duì)以上相關(guān)內(nèi)容進(jìn)行分析研究。本文采用患者腦部CT圖像和MRI T1圖像作為研究樣本素材,從圖像預(yù)處理、圖像檢索、圖像配準(zhǔn)融合、膠質(zhì)瘤分割等算法進(jìn)行研究,并且進(jìn)行了實(shí)驗(yàn)檢驗(yàn)。主要內(nèi)容有:(1)對(duì)醫(yī)學(xué)圖像進(jìn)行對(duì)比度增強(qiáng),增加圖像的視覺體驗(yàn)。并去除CT圖像中檢查床,排除圖像干擾。(2)從圖像特征的角度使用不同的方式進(jìn)行特征抽取,比較特征之間的近似程度,從而找出兩種模態(tài)中最相似的圖像。(3)使用主成分分析以及參數(shù)預(yù)估對(duì)圖像配準(zhǔn)算法進(jìn)行改進(jìn),并且將其運(yùn)用到多尺度配準(zhǔn)上,提升了配準(zhǔn)方法性能和結(jié)果精度。(4)對(duì)圖像的頻域和空域融合方法進(jìn)行比較,并使用相關(guān)的融合圖像評(píng)價(jià)準(zhǔn)則對(duì)融合效果進(jìn)行評(píng)估。使用CT值和骨窗圖像與對(duì)應(yīng)MRI圖片融合,排除CT圖像中無關(guān)像素的干擾。(5)使用GMM模型對(duì)圖像灰度分布建模,確定最佳分割閾值,從而實(shí)現(xiàn)自動(dòng)分割。使用深度學(xué)習(xí)的方法對(duì)圖像進(jìn)行分割,使得分割不再是對(duì)圖像進(jìn)行灰度分析而是使用更高層次的特征并通過學(xué)習(xí)進(jìn)行分割,分割算法更加簡便且智能。(6)為了能夠?qū)δX部膠質(zhì)瘤從三維角度觀測,本文對(duì)腦部膠質(zhì)瘤分割結(jié)果實(shí)現(xiàn)了三維可視化。并且本文將涉及的算法進(jìn)行實(shí)現(xiàn)并集成到了CT與MRI配準(zhǔn)融合分析系統(tǒng)中。通過對(duì)本文中的算法實(shí)驗(yàn)表明,本文改進(jìn)的多尺度對(duì)比度增強(qiáng)算法具有更好的視覺體驗(yàn),自動(dòng)相似圖像檢索算法具有較好的檢索精度,圖像配準(zhǔn)算法相比原始方法在精度和效率上均有提升,采用特定區(qū)域的融合策略展現(xiàn)結(jié)果更清晰,GMM模型和深度學(xué)習(xí)的分割算法具有良好適應(yīng)性和智能水平。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R739.41;TP391.41
【圖文】：

一致性等不同因素的影響。這就導(dǎo)致采集到的數(shù)字醫(yī)度、強(qiáng)度上表現(xiàn)不同。為了能夠更好地從視覺上體現(xiàn)被師能方便地對(duì)病患部位進(jìn)行診斷，就需要對(duì)數(shù)字醫(yī)學(xué)影中也存在著數(shù)字醫(yī)學(xué)影像的上述問題，需要對(duì)原始的這里主要探討的是圖像的增強(qiáng)算法，首先介紹了基于直噪算法。然后從圖像多尺度分析的角度研究并改進(jìn)了塔出了去除 CT 掃描中檢查床干擾的算法。比度自適應(yīng)直方圖均衡算法方圖圖像增強(qiáng)算法會(huì)統(tǒng)計(jì)區(qū)域內(nèi)的灰度分布，再將灰映射。其中不僅僅對(duì)有用的信息進(jìn)行了操作，同樣也對(duì)樣的操作，這樣就可能使得圖像中的噪聲得到了放大。可以采用上一節(jié)中的基于區(qū)域圖像塊中像素值的方差來機(jī)制還是不能滿足實(shí)際的需求，這就需要對(duì)對(duì)比度直

算法中對(duì)直方圖的剪裁和重分布，已經(jīng)能夠?qū)崿F(xiàn)圖像噪聲。在 CLAHE 中使用像素值插值的方式來改善運(yùn)算：先將圖像劃分為大小下同的矩形區(qū)域 T，如圖 2-2 右側(cè)8*8，總共 64 個(gè)矩形區(qū)域 T。得到每個(gè)矩形區(qū)域 T 的直方圖、CDF 及相應(yīng)變換關(guān)系像素（圖 2-2 左側(cè)黑色實(shí)心矩形的位置）可以直接使用得到，而對(duì)于其它位置的像素就需要通過其與周圍鄰形區(qū)域（也即是四鄰域）的相應(yīng)變換關(guān)系插值運(yùn)算給出通過與周圍矩形區(qū)域 T 進(jìn)行雙線性插值得到的；對(duì)于法運(yùn)算給出；而靠近圖像角部分的像素點(diǎn)（圖 2-2 左側(cè)矩形區(qū)域 T 的變換函數(shù)運(yùn)算得到。可知，在 CLAHE 中雖然增加了線性插值的計(jì)算量，但、直方圖剪裁和重分布等操作，這樣就極大提高了運(yùn)算

電子科技大學(xué)碩士學(xué)位論文2.3 腦部 CT 掃描去床算法腦部 CT 掃描是對(duì)腦部進(jìn)行切片掃描，之后醫(yī)生通過觀察腦部切片進(jìn)行視覺檢查。在進(jìn)行腦部 CT 掃描的時(shí)候，需要使用如圖 2-5 中（a）圖所示的 CT 掃描儀可以看到在掃描儀的檢查床上裝有用于固定頭部的 U 型槽。因?yàn)橐话闫洳馁|(zhì)為金屬，所以會(huì)在腦部 CT 掃描的結(jié)果圖片中包含它。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張錫君;張大國;;中醫(yī)治療腦部膠質(zhì)瘤(術(shù)后)臨床觀察[J];中醫(yī)雜志;1990年08期

2 劉泉開;;腦部膠質(zhì)瘤治療的長短論[J];醫(yī)學(xué)與哲學(xué);1993年08期

3 張帥;徐德智;常浩;苗增利;藺玉昌;肖燕;吳靚驊;;臨床病理因素對(duì)腦部膠質(zhì)瘤患者外科治療后復(fù)發(fā)的影響[J];中國腫瘤臨床與康復(fù);2015年08期

4 谷宇;呂曉琪;李菁;任國印;喻大華;趙瑛;吳涼;張文莉;郝小靜;黃顯武;;多模態(tài)3D卷積神經(jīng)網(wǎng)絡(luò)腦部膠質(zhì)瘤分割方法[J];科學(xué)技術(shù)與工程;2018年07期

5 俞瑋婷;;改變身邊人的命運(yùn)[J];滬港經(jīng)濟(jì);2013年04期

6 石子;;誰動(dòng)了我的醫(yī)保?[J];中國青年;2013年04期

7 孟捷;中醫(yī)藥治療腦部膠質(zhì)瘤的體會(huì)[J];內(nèi)蒙古中醫(yī)藥;2003年01期

8 薛峰;張達(dá);;侯學(xué)枝:譜寫新時(shí)代的正義之歌[J];東北之窗;2018年10期

9 陳振斌,林志雄,張_8飛,吳翊欽,江常震,陳蓮云;腦膠質(zhì)瘤的血瘤屏障超微結(jié)構(gòu)觀察[J];電子顯微學(xué)報(bào);2001年06期

10 汪海濱;侯旭;董靜;李若愚;于鎧睿;;微小病理組織留取與保存送檢的方法[J];河北醫(yī)藥;2014年16期

相關(guān)重要報(bào)紙文章 前5條

1 本報(bào)記者 胡勁松　本報(bào)通訊員 儲(chǔ)青;考核動(dòng)真格 服務(wù)提質(zhì)量[N];安徽日?qǐng)?bào);2010年

2 本報(bào)記者 孫夢 通訊員 陳江文;一位患癌女軍醫(yī)的人生選擇[N];健康報(bào);2013年

3 本報(bào)記者 夏斐;“該賠就得賠”[N];光明日?qǐng)?bào);2000年

4 陳青;90分鐘可拿CT報(bào)告[N];文匯報(bào);2005年

5 本報(bào)記者 馮春梅;好軍醫(yī)，愛患者勝過愛自己[N];人民日?qǐng)?bào);2014年

相關(guān)碩士學(xué)位論文 前1條

1 倪鵬程;基于腦部膠質(zhì)瘤的醫(yī)學(xué)影像配準(zhǔn)與融合研究[D];電子科技大學(xué);2018年

本文編號(hào)：2743555