越來(lái)越多的中年或者老年人被診斷出患有腦白質(zhì)疏松癥,其與眾多其他疾病密切相關(guān),例如高血壓、認(rèn)知功能下降等,隨著醫(yī)療水平的提高和人們對(duì)自身健康的重視,對(duì)于研究腦白質(zhì)疏松癥的治療和診斷是亟待解決的問(wèn)題,目前,醫(yī)生在診斷或者判斷病變程度的時(shí)候,主要通過(guò)書(shū)本知識(shí)和經(jīng)驗(yàn)來(lái)判斷,具有一定主觀性,容易出現(xiàn)一些誤診情況,所以論文提出用計(jì)算機(jī)圖像處理技術(shù)來(lái)完成對(duì)腦白質(zhì)疏松癥的分割,通過(guò)腦白質(zhì)圖像及其病變部位的分割得到量化數(shù)據(jù),為腦白質(zhì)疏松癥的診斷與治療提供準(zhǔn)確的判斷和依據(jù)。根據(jù)CT掃描中腦白質(zhì)圖像的特點(diǎn),通過(guò)對(duì)腦白質(zhì)圖像去噪、分離頭骨和改進(jìn)CV模型的方法對(duì)腦白質(zhì)疏松癥的病變部位進(jìn)行分割。首先通過(guò)改進(jìn)型自適應(yīng)中值濾波算法對(duì)原始圖像進(jìn)行處理,得到結(jié)果之后采用標(biāo)記分水嶺方法將含有頭骨和頭皮等非腦組織成分從原始圖像中分離出去,然后通過(guò)基于Mean Shift先驗(yàn)形狀的CV模型算法將腦白質(zhì)及其病變部位分割出來(lái),通過(guò)計(jì)算腦白質(zhì)中病變部位的含量得出量化數(shù)據(jù)。在圖像處理算法的基礎(chǔ)上,設(shè)計(jì)了一套完整的硬件系統(tǒng)。該系統(tǒng)不僅僅可以克服圖像數(shù)據(jù)接口不統(tǒng)一的問(wèn)題,還可以完成上述圖像分割的算法,并給出分割結(jié)果,可以高速高效的提高醫(yī)生... 

【文章來(lái)源】：長(zhǎng)春工業(yè)大學(xué)吉林省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題的來(lái)源及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要內(nèi)容及組織結(jié)構(gòu)
    1.4 本章小結(jié)
第二章 腦白質(zhì)疏松癥成像特點(diǎn)與分割算法分析
    2.1 腦白質(zhì)疏松癥成像特點(diǎn)
    2.2 常用分割理論用于分割腦白質(zhì)圖像
        2.2.1 閾值分割法
        2.2.2 邊緣分割法
        2.2.3 區(qū)域信息分割法
        2.2.4 活動(dòng)輪廓模型分割法
        2.2.5 形態(tài)學(xué)分割法
    2.3 醫(yī)學(xué)圖像分割效果比較
    2.4 本章小結(jié)
第三章 腦白質(zhì)圖像的頭骨分離
    3.1 腦白質(zhì)圖像采集與來(lái)源
    3.2 腦白質(zhì)圖像去除噪聲
        3.2.1 鄰域平均法
        3.2.2 常規(guī)中值濾波
        3.2.3 頻域?yàn)V波法
        3.2.4 改進(jìn)的自適應(yīng)閾值限定中值濾波法
    3.3 腦部圖像頭骨剝離
        3.3.1 標(biāo)記分水嶺頭骨剝離算法
        3.3.2 標(biāo)記分水嶺頭骨剝離算法的實(shí)現(xiàn)
    3.4 本章小結(jié)
第四章 基于改進(jìn)CV模型算法的腦白質(zhì)圖像分割
    4.1 CV模型圖像對(duì)腦白質(zhì)疏松癥病變區(qū)域分割模型的建立
    4.2 基于先驗(yàn)形狀腦白質(zhì)分割模型建立
        4.2.1 初始先驗(yàn)形狀
        4.2.2 基于先驗(yàn)形狀的分割
    4.3 腦白質(zhì)病變區(qū)域量化實(shí)現(xiàn)
    4.4 實(shí)驗(yàn)結(jié)果與分析一
        4.4.1 實(shí)驗(yàn)流程及結(jié)果
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 實(shí)驗(yàn)結(jié)果與分析二
    4.6 本章小結(jié)
第五章 腦白質(zhì)圖像處理系統(tǒng)硬件設(shè)計(jì)
    5.1 系統(tǒng)硬件方案設(shè)定
    5.2 圖像處理平臺(tái)
        5.2.1 外部存儲(chǔ)器模塊
        5.2.2 視頻編解碼模塊
        5.2.3 電源模塊與復(fù)位模塊
        5.2.4 傳輸數(shù)據(jù)模塊
    5.3 系統(tǒng)軟件方案設(shè)定
        5.3.1 視頻采集模塊實(shí)現(xiàn)
        5.3.2 編解碼算法實(shí)現(xiàn)
        5.3.3 實(shí)驗(yàn)圖像及結(jié)果
    5.4 本章小結(jié)
第六章 總結(jié)
展望
致謝
參考文獻(xiàn)
附錄
作者簡(jiǎn)介
攻讀碩士學(xué)位期間研究成果


【參考文獻(xiàn)】：
期刊論文
[1]各向異性濾波算法在地震曲率屬性中的應(yīng)用[J]. 張群會(huì),高翔.  計(jì)算機(jī)應(yīng)用研究. 2013(02)
[2]Multispectral image edge detection via Clifford gradient[J]. XU Chen2,LIU Hui1,CAO WenMing1 & FENG JiQiang2 1College of Information Engineering,Shenzhen University,Shenzhen 518060,China;2Institute of Intelligent Computing Science,Shenzhen University,Shenzhen 518060,China.  Science China（Information Sciences）. 2012(02)
[3]快速自適應(yīng)分片常數(shù)CV模型[J]. 葛琦,韋志輝.  計(jì)算機(jī)工程與應(yīng)用. 2010(28)
[4]改進(jìn)CV模型的醫(yī)學(xué)圖像分割[J]. 楊青,何明一.  計(jì)算機(jī)工程與應(yīng)用. 2010(17)
[5]PET/CT成像原理、優(yōu)勢(shì)及臨床應(yīng)用[J]. 孫濤,韓善清,汪家旺.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2010(01)
[6]基于分水嶺算法的圖像分割方法研究[J]. 王國(guó)權(quán),周小紅,蔚立磊.  計(jì)算機(jī)仿真. 2009(05)
[7]CT技術(shù)的應(yīng)用發(fā)展及前景[J]. 高麗娜,陳文革.  CT理論與應(yīng)用研究. 2009(01)
[8]腦白質(zhì)疏松癥病因相關(guān)性初步分析[J]. 周立,周紅雨.  華西醫(yī)學(xué). 2009(02)
[9]腦白質(zhì)疏松癥的CT診斷價(jià)值及臨床研究[J]. 鐘永海.  當(dāng)代醫(yī)學(xué). 2009(01)
[10]腦白質(zhì)疏松癥及其臨床意義[J]. 張學(xué)軍,張小寧.  中國(guó)臨床神經(jīng)科學(xué). 2008(05)

碩士論文
[1]腦白質(zhì)疏松癥MR圖像病變區(qū)域分割方法研究及量化分析[D]. 鄭興華.杭州電子科技大學(xué) 2012
[2]基于ARM芯片的嵌入式圖像處理平臺(tái)開(kāi)發(fā)與實(shí)現(xiàn)[D]. 陳利強(qiáng).華南理工大學(xué) 2011
[3]基于V4L2的嵌入式視頻驅(qū)動(dòng)程序開(kāi)發(fā)與實(shí)現(xiàn)[D]. 張輝.安徽大學(xué) 2010
[4]C-V活動(dòng)輪廓模型的研究[D]. 何瑞英.重慶大學(xué) 2009
[5]腦部CT圖像處理研究[D]. 何培培.長(zhǎng)沙理工大學(xué) 2008
[6]基于數(shù)學(xué)形態(tài)學(xué)的圖像分割及其在醫(yī)學(xué)圖像中的應(yīng)用[D]. 宋鳴.揚(yáng)州大學(xué) 2005
[7]基于DSP的高可靠性嵌入式硬件系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)[D]. 劉宗平.大連交通大學(xué) 2005
[8]圖像邊緣檢測(cè)中的方法研究[D]. 宋芳莉.西北大學(xué) 2002



本文編號(hào)：3236697