隨著人們生活水平的發(fā)展,心腦血管疾病已嚴(yán)重地威脅著人類的身體健康。腦血管分割也已成為當(dāng)今醫(yī)學(xué)影像后續(xù)處理領(lǐng)域的熱門問題。但由于腦血管解剖結(jié)構(gòu)的復(fù)雜性、腦部不同區(qū)域灰度和對比度的不統(tǒng)一和病態(tài)結(jié)構(gòu)的多變性等問題,使得腦血管的精準(zhǔn)分割成為了一個(gè)尤為困難的問題�，F(xiàn)有的大多數(shù)腦血管分割算法存在不能處理腦部醫(yī)學(xué)影像中灰度和對比度不統(tǒng)一的問題,因而造成分割結(jié)果普遍存在腦血管的斷裂和噪聲點(diǎn)等現(xiàn)象。我們利用腦血管的上下文約束和形狀約束來避免噪聲點(diǎn)的影響,修補(bǔ)對比度較低的血管斷裂段。本文先基于3D堆疊直線,利用多步回歸對腦血管進(jìn)行線性形狀約束,獲得腦血管的粗分割,進(jìn)一步使用MAP-MRF框架對腦血管的粗分割結(jié)果進(jìn)行上下文約束,從而獲得腦血管的精準(zhǔn)分割。本文的主要貢獻(xiàn)包括:（1）基于多步回歸的3D直線掩膜構(gòu)造。該方法將3D直線的檢測分為兩次2D直線的檢測,每次通過線性回歸獲得3D直線的參數(shù),并利用這些參數(shù)和DDA算法及數(shù)學(xué)形態(tài)學(xué)生成有寬度和厚度的3D直線掩膜,最終在此基礎(chǔ)上實(shí)現(xiàn)腦血管的粗分割以降低醫(yī)學(xué)影像的噪聲對分割精度的影響。（2）基于MAP-MRF框架的腦血管精準(zhǔn)分割。首先利用粗分割結(jié)果初始化標(biāo)簽場,然... 

【文章來源】：四川師范大學(xué)四川省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

DDA畫（0，0）到（5,2）直線段DDA算法步驟如下：表2.1DDA算法

四川師范大學(xué)碩士學(xué)位論文12從公式（2.7）可以看出想要確定擬合的直線，只需確定參數(shù)b和a。從數(shù)學(xué)知識看，將MSE看作一個(gè)函數(shù)，函數(shù)的最小值在極小值處獲得，通過求偏導(dǎo)數(shù)，從而得到：22-()iiiiinininiiininnxyxybnxx=（2.8）222-()iiiiiininininiiininxyxxyanxx=（2.9）圖2.4最小二乘法均方誤差2.3k-means聚類k-means聚類[54]是一種用于數(shù)據(jù)分析的無監(jiān)督學(xué)習(xí)方法，將具有某些相同屬性的元素劃分到同一個(gè)簇中，從而實(shí)現(xiàn)分類。k-means聚類的原理就是先隨機(jī)確定k個(gè)質(zhì)心，然后計(jì)算每個(gè)點(diǎn)到k個(gè)質(zhì)心的距離，將其劃分到距離最近的那個(gè)中心點(diǎn)所在的簇中；再者計(jì)算并更新質(zhì)心，直到質(zhì)心收斂或迭代次數(shù)達(dá)到最大迭代次數(shù)，停止更新質(zhì)心并結(jié)束聚類。k-means聚類以最小化距離函數(shù)為目標(biāo)，將n個(gè)樣本121(,,,,)nnXxxxx分配

2相關(guān)理論基礎(chǔ)15（c）三階NBS（d）四階NBS圖2.5m×n圖像上(i,j)像素點(diǎn)的1-4階NBS圖2.6m×n圖像圖2.7m×n圖像上(i,j)像素點(diǎn)的不同階NBS2.4.2.2基團(tuán)（Clique）如果一個(gè)子集CS且集合C中鄰近的不同像素點(diǎn)都具有對稱性，那么集合C就是一個(gè)基團(tuán)。一個(gè)基團(tuán)含有n個(gè)像素點(diǎn)，那么該基團(tuán)稱作n階基團(tuán)，可表示為Cn。一張圖像中的基團(tuán)集合可表示為：12k-1kC=CCCC（2.15）基團(tuán)的大孝形狀與方向決定了基團(tuán)的種類[58]。圖2.8與圖2.9給出了一階鄰域系統(tǒng)與二階鄰域系統(tǒng)及其相應(yīng)的基團(tuán)。從圖2.8中，可以看出一階NBS中的基團(tuán)有3個(gè)：一個(gè)單點(diǎn)基團(tuán)（也叫一階基團(tuán)）和兩個(gè)二階基團(tuán)（水平方向和垂直方

【參考文獻(xiàn)】：
期刊論文
[1]線性回歸參數(shù)的總體最小二乘估計(jì)算法研究[J]. 楊根新,于慶鋒.  地理空間信息. 2020(01)
[2]基于Matlab的最小二乘曲線擬合[J]. 劉利敏,吳敏麗.  福建電腦. 2019(08)
[3]基于自適應(yīng)聚類中心的腦血管分割方法[J]. 王喆,趙世鳳,田沄,王學(xué)松,周明全.  鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2019(01)
[4]高斯馬爾可夫隨機(jī)場的人腦MR圖像分割方法[J]. 標(biāo)本,梁愷彬,管一弘.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(07)
[5]基于多模態(tài)卷積神經(jīng)網(wǎng)絡(luò)的腦血管提取方法研究[J]. 秦志光,陳浩,丁熠,藍(lán)天,陳圓,沈廣宇.  電子科技大學(xué)學(xué)報(bào). 2016(04)
[6]線性回歸總體最小二乘平差模型及解算[J]. 汪奇生,楊德宏,楊騰飛.  大地測量與地球動力學(xué). 2015(01)
[7]基于高斯-馬爾科夫隨機(jī)場模型的腦血管分割算法研究[J]. 曹容菲,張美霞,王醒策,武仲科,周明全,田沄,劉新宇.  電子與信息學(xué)報(bào). 2014(09)
[8]基于Hessian矩陣特征值聚類的腦血管分割方法[J]. 曹容菲,王醒策,武仲科,周明全,田沄,劉新宇.  系統(tǒng)仿真學(xué)報(bào). 2014(09)
[9]基于多閾值Otsu和海森矩陣的腦血管提取[J]. 蔣先剛,丘赟立.  計(jì)算機(jī)工程與設(shè)計(jì). 2014(05)
[10]總體最小二乘線性回歸統(tǒng)一模型及解算[J]. 汪奇生,楊德宏,楊騰飛.  工程勘察. 2014(04)

碩士論文
[1]基于新3D直線定義的MRI腦血管分割算法研究[D]. 張靜.四川師范大學(xué) 2016
[2]線性回歸模型的總體最小二乘平差算法及其應(yīng)用研究[D]. 汪奇生.昆明理工大學(xué) 2014



本文編號：3487817