腦萎縮的發(fā)病率越來越高,目前腦萎縮疾病的診斷大多采用手工和半自動的方法。隨著計算機技術的飛速發(fā)展,計算機輔助診斷方法已經成為醫(yī)學影像、診斷放射、計算機科學中的重要研究內容。研究表明使用計算機輔助診斷的方法對于提高診斷準確率、減少漏診起到了積極的作用。醫(yī)生可以根據(jù)計算機測量結果進行醫(yī)學影像的評估和診斷。利用計算機完成腦萎縮相關組織的分割以及容積的計算是輔助診斷腦萎縮的基礎。 本文分析了腦萎縮疾病相關的診斷方法,包括顱內腦容積的測量、腦白質、灰質以及腦脊液容積測量和特異性腦萎縮相關的海馬結構的測量。獲取這些腦組織的基礎是對腦部圖像進行分割。因此,本文就如何提取相關腦組織區(qū)域進行了如下的實驗分析：（1）研究了提取顱腔內腦組織的方法,分析了幾種閾值分割算法對顱腔內腦組織提取算法性能的影響,最后使用直方圖閾值分割算法對序列圖像進行分割。使用形態(tài)學方法獲取顱內腦組織區(qū)域,通過使用重疊率和計算圖像重心的方法來校正分割結果。通過對不同掃描方向上所有圖像層進行分割處理,最終實現(xiàn)了整個圖像序列的顱腔內腦組織的提取。（2）研究了顱腔內腦組織再分割的方法,本文使用了基于自適應模糊相似度的改進的馬爾可夫隨... 

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 腦萎縮MR圖像知識分析
        1.3.1 MR腦圖像特點
        1.3.2 腦萎縮MR醫(yī)學表現(xiàn)
    1.4 腦萎縮影像學診斷方法
    1.5 本論文研究內容和組織結構
第2章 MR腦部圖像處理方法概述
    2.1 MR圖像的去噪
    2.2 MR圖像灰度不均勻校正
    2.3 MR圖像分割算法概述
        2.3.1 基于區(qū)域的分割
        2.3.2 基于邊界的分割方法
        2.3.3 其他分割算法
    2.4 醫(yī)學圖像分割性能評價
    2.5 本章小結
第3章 基于形態(tài)學的顱內腦組織提取算法研究
    3.1 圖像灰度變換
    3.2 閾值的選取
        3.2.1 直方圖閾值法
        3.2.2 迭代閾值法
        3.2.3 大津法(Otsu法)
        3.2.4 三維體數(shù)據(jù)閾值分割
    3.3 形態(tài)學原理
        3.3.1 腐蝕和膨脹
        3.3.2 標注連通分量
        3.3.3 分割算法描述
    3.4 改進的顱腔內腦組織提取算法研究
        3.4.1 圖像的重疊率
        3.4.2 圖像的重心
        3.4.3 不同掃描方向圖像的進一步分割
        3.4.4 算法的實驗步驟和流程
    3.5 實驗結果及分析
    3.6 本章小結
第4章 基于MRF的腦組織分割算法研究及腦實質分數(shù)的計算
    4.1 馬爾可夫隨機場模型
        4.1.1 鄰域系統(tǒng)和集簇
        4.1.2 MARKOV隨機場和GIBBS分布的等價關系
        4.1.3 常用模型介紹
    4.2 馬爾可夫圖像分割框架
        4.2.1 標號場先驗模型(先驗分布)的建立
        4.2.2 特征場模型(似然分布)的建立
    4.3 基于自適應模糊相似度的改進的馬爾可夫圖像分割算法
        4.3.1 模糊集合與模糊關系
        4.3.2 模糊相似度
        4.3.3 改進的馬爾可夫MR腦部圖像分割算法研究
        4.3.4 算法的實現(xiàn)流程和步驟
    4.4 實驗結果與分析
        4.4.1 仿真圖像實驗分析
        4.4.2 臨床圖像實驗分析
    4.5 腦實質分數(shù)計算
    4.6 本章小結
第5章 基于FM的海馬結構分割算法研究
    5.1 海馬區(qū)醫(yī)學特點及分割方法研究
    5.2 基于快速行進FM算法的海馬區(qū)分割
        5.2.1 快速行進算法的求解
        5.2.2 快速行進算法的實驗流程和步驟
        5.2.3 基于傳統(tǒng)快速行進算法的海馬區(qū)分割
    5.3 基于海馬區(qū)內部灰度信息約束的改進的FM分割算法研究
        5.3.1 最佳時間閾值的選擇
        5.3.2 實驗步驟與流程
        5.3.3 實驗結果和分析
    5.4 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀碩士學位期間參加的科研項目、發(fā)表的論文


【參考文獻】：
期刊論文
[1]圖像去噪算法研究[J]. 王英,曾光宇.  電腦與信息技術. 2011(04)
[2]基于統(tǒng)計參數(shù)圖的MRI海馬結構體積測量[J]. 華建明,蔣飚,周炯,章偉敏.  中華放射學雜志. 2010 (03)
[3]改進的Fast Marching方法在醫(yī)學圖像分割中的應用[J]. 王娜,郭敏.  計算機工程與應用. 2009(18)
[4]基于形變模型的醫(yī)學圖像分割綜述[J]. 王敏琴,韓國強,涂泳秋.  醫(yī)療衛(wèi)生裝備. 2009(02)
[5]基于能量驅動的分水嶺算法在MRI海馬圖像分割中的應用[J]. 魯向,蘆勤,羅述謙.  計算機輔助設計與圖形學學報. 2008(06)
[6]基于非齊次Markov隨機場的無監(jiān)督圖像分割新算法[J]. 李彬,陳武凡.  南方醫(yī)科大學學報. 2007(11)
[7]圖像分割中的馬爾可夫隨機場方法綜述[J]. 李旭超,朱善安.  中國圖象圖形學報. 2007(05)
[8]正常成年人腦體積隨年齡變化的磁共振成像定量分析[J]. 曾慶師,李傳福,劉尊齊,婁麗,崔誼.  中國醫(yī)學科學院學報. 2006(06)
[9]計算機自動定量診斷腦萎縮的初步研究[J]. 李傳富,周康源.  中華放射學雜志. 2006(06)
[10]基于模糊連接度的衛(wèi)星圖像道路提取新方法[J]. 魏敏,李朝峰.  計算機工程與應用. 2006(13)

博士論文
[1]基于模糊隨機模型的磁共振腦部圖像分割算法研究[D]. 李彬.第一軍醫(yī)大學 2007

碩士論文
[1]應用三維CT技術對國人腦和腦室容積的測量研究[D]. 吳偉.昆明醫(yī)學院 2011
[2]阿爾茨海默病海馬和齒狀回體積的MRI分析[D]. 謝欣.中國醫(yī)科大學 2009
[3]基于幾何形變模型的醫(yī)學圖像分割方法研究[D]. 于正.天津大學 2007



本文編號：3710339