腦腫瘤是一種發(fā)病率和死亡率都較高的疾病,腦組織圖像中病變區(qū)域的精確分割對后續(xù)的診斷與治療十分關(guān)鍵。隨著醫(yī)學(xué)成像技術(shù)的進(jìn)步和計(jì)算機(jī)水平的發(fā)展,計(jì)算機(jī)輔助診斷技術(shù)受到越來越多的關(guān)注。利用計(jì)算機(jī)對醫(yī)學(xué)圖像進(jìn)行輔助分割,可以提高分割結(jié)果的精確度和醫(yī)生的工作效率。本文根據(jù)腦腫瘤圖像分割存在的問題和腫瘤形狀特點(diǎn),提出了一種基于Hough變換定位與改進(jìn)遺傳算法優(yōu)化GVF Snake模型的腦腫瘤自動分割方法。主要工作如下:1、根據(jù)腦組織核磁共振成像（Magnetic Resonance Imaging,MRI）的特點(diǎn),和后續(xù)腦腫瘤自動定位和分割的需要,采用各向異性濾波、邊緣檢測和顱骨剝離算法對腦組織MRI進(jìn)行預(yù)處理。該過程可以去除顱骨、頭皮、血管等非腦組織部分,提高腫瘤區(qū)域的灰度對比度,為后期將腫瘤區(qū)域從Hough變化檢測出的多個弧形輪廓區(qū)域中提取出來奠定基礎(chǔ)。2、利用腫瘤具有弧形輪廓的形狀特點(diǎn),采用Hough變換檢測圓的方法,將預(yù)處理后的腦組織二值圖像中具有弧形輪廓的所有區(qū)域檢測出來,并根據(jù)腦腫瘤區(qū)域像素灰度值大的特點(diǎn),利用灰度閾值處理將腫瘤區(qū)域從Hough變換檢測出的所有弧形區(qū)域中提取出來,完成腫... 

【文章來源】：南昌航空大學(xué)江西省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 基于MRI腦腫瘤分割的研究現(xiàn)狀
        1.2.2 基于遺傳算法的圖像分割現(xiàn)狀
    1.3 課題的研究內(nèi)容和組織結(jié)構(gòu)
第2章 參數(shù)活動輪廓模型與遺傳算法概述
    2.1 參數(shù)活動輪廓模型
        2.1.1 Snake模型的基本原理
        2.1.2 Snake模型的算法實(shí)現(xiàn)
    2.2 GVFSnake模型
        2.2.1 GVFSnake模型的基本原理
        2.2.2 GVFSnake模型的算法實(shí)現(xiàn)
        2.2.3 傳統(tǒng)Snake模型和GVFSnake模型的實(shí)驗(yàn)結(jié)果分析
    2.3 遺傳算法
        2.3.1 遺傳算法概述
        2.3.2 遺傳算法的基本流程
        2.3.3 遺傳算法的基本要素
        2.3.4 遺傳算法的特點(diǎn)
    2.4 本章小結(jié)
第3章 腦組織MRI預(yù)處理
    3.1 實(shí)驗(yàn)設(shè)計(jì)
        3.1.1 實(shí)驗(yàn)方案
        3.1.2 實(shí)驗(yàn)數(shù)據(jù)平臺
    3.2 各向異性濾波
    3.3 邊緣檢測
    3.4 形態(tài)學(xué)處理
        3.4.1 腐蝕和膨脹
        3.4.2 基于形態(tài)學(xué)處理的顱骨剝離算法
    3.5 本章小結(jié)
第4章 基于Hough變換定位的腦腫瘤自動粗分割方法
    4.1 實(shí)驗(yàn)設(shè)計(jì)
        4.1.1 實(shí)驗(yàn)方案
        4.1.2 實(shí)驗(yàn)數(shù)據(jù)平臺
    4.2 腦腫瘤定位
        4.2.1 Hough變換檢測
        4.2.2 閾值處理
    4.3 灰度變換增強(qiáng)
    4.4 腦腫瘤分割
    4.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
第5章 基于改進(jìn)遺傳算法的腦腫瘤精確分割方法
    5.1 實(shí)驗(yàn)設(shè)計(jì)
        5.1.1 實(shí)驗(yàn)方案
        5.1.2 實(shí)驗(yàn)數(shù)據(jù)平臺
    5.2 基于遺傳算法的圖像分割實(shí)現(xiàn)過程
        5.2.1 適應(yīng)度函數(shù)的選定
        5.2.2 初始種群的構(gòu)造
        5.2.3 遺傳操作
        5.2.4 遺傳算法的終止
    5.3 圖像分割算法評價
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 實(shí)驗(yàn)分割結(jié)果
        5.4.2 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表論文及參加科研情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]MRI在腦膜瘤診斷中的研究[J]. 郭小華.  中國CT和MRI雜志. 2017(10)
[2]GVF Snake模型中一種改進(jìn)的Canny算法[J]. 王力,徐甜甜.  計(jì)算機(jī)工程. 2016(10)
[3]基于模糊水平集的腦腫瘤MR圖像分割方法[J]. 張騰達(dá),呂曉琪,任曉穎,谷宇,張明.  現(xiàn)代電子技術(shù). 2016(18)
[4]基于形態(tài)學(xué)梯度的分水嶺彩色圖像分割[J]. 徐天芝,張貴倉,賈園.  計(jì)算機(jī)工程與應(yīng)用. 2016(11)
[5]基于形態(tài)學(xué)的腦部MRI圖像顱骨剝離算法[J]. 王大溪,陳鑫鑫.  計(jì)算機(jī)技術(shù)與發(fā)展. 2015(12)
[6]基于遺傳算法參數(shù)優(yōu)化的PCNN紅外圖像分割[J]. 曲仕茹,楊紅紅.  強(qiáng)激光與粒子束. 2015(05)
[7]基于形態(tài)學(xué)重建和梯度分層修正的分水嶺腦腫瘤分割[J]. 劉岳,王小鵬,王金全,于揮.  計(jì)算機(jī)應(yīng)用研究. 2015(08)
[8]基于對稱信息和主動輪廓模型的腦腫瘤分割系統(tǒng)[J]. 李丹儀,李衛(wèi)鋒,廖慶敏.  清華大學(xué)學(xué)報(自然科學(xué)版). 2013(07)
[9]基于MRI的腦腫瘤分割技術(shù)研究進(jìn)展[J]. 萬俊,聶生東,王遠(yuǎn)軍.  中國醫(yī)學(xué)物理學(xué)雜志. 2013(04)
[10]差分進(jìn)化算法GVF Snake模型在PET圖像分割中的應(yīng)用[J]. 畢曉君,肖婧.  中國圖象圖形學(xué)報. 2011(03)

博士論文
[1]MRI圖像的腦腫瘤分割方法研究[D]. 鄧萬凱.華中科技大學(xué) 2011

碩士論文
[1]基于MRI的腦腫瘤圖像分割研究[D]. 張朋.浙江理工大學(xué) 2017
[2]基于Snake模型的圖像分割算法研究[D]. 劉杰.重慶郵電大學(xué) 2016
[3]腦腫瘤的計(jì)算機(jī)輔助檢測[D]. 黃若菡.電子科技大學(xué) 2016
[4]基于遺傳算法的圖像分割方法[D]. 李銀松.北京交通大學(xué) 2014
[5]復(fù)雜場景下直線與曲線檢測方法研究[D]. 張翌.湖南大學(xué) 2014
[6]基于水平集和分水嶺的圖像分割算法研究[D]. 余敏鋒.西安電子科技大學(xué) 2014
[7]從核磁共振成像數(shù)據(jù)中自動分割腦組織[D]. 劉程程.長春工業(yè)大學(xué) 2012
[8]MR圖像腦組織分割算法的研究與實(shí)現(xiàn)[D]. 趙瑋.電子科技大學(xué) 2011
[9]常見Snake模型算法在圖像分割應(yīng)用中的選取研究[D]. 何慶人.中南大學(xué) 2009
[10]基于Snake模型的醫(yī)學(xué)圖像分割技術(shù)[D]. 倪雅櫻.南京航空航天大學(xué) 2008



本文編號：3023653