本文選題：醫(yī)學(xué)影像分割 + 磁共振圖像�。� 參考：《北京化工大學(xué)》2017年碩士論文

【摘要】：近年來,醫(yī)學(xué)成像技術(shù)的快速發(fā)展使人們能夠獲得大量高分辨率的醫(yī)學(xué)影像數(shù)據(jù),分別來自X射線、CT、超聲及MRI等,這些成像技術(shù)現(xiàn)已在醫(yī)學(xué)診斷、治療及術(shù)前規(guī)劃等階段得到了廣泛的應(yīng)用,研究如何從醫(yī)學(xué)影像中獲得的我們所需要的信息和數(shù)據(jù)進(jìn)行分析,使這些寶貴的信息得以有效利用,是具有十分重要的意義。在醫(yī)學(xué)圖像的處理和分析中,醫(yī)學(xué)圖像分割尤為關(guān)鍵,它能夠提取醫(yī)生所需要的結(jié)構(gòu)和組織,為醫(yī)生診斷提供幫助或制定更為精確的手術(shù)計劃。本文在分析醫(yī)學(xué)圖像分割領(lǐng)域的研究現(xiàn)狀的基礎(chǔ)上,研究了基于水平集的肝血管圖像分割技術(shù)。首先對主動輪廓模型和水平集算法的基本理論進(jìn)行了系統(tǒng)的解釋和研究,分析了肝臟血管磁共振圖像的特點及其分割的局限性,以及傳統(tǒng)的水平集分割方法存在的優(yōu)點和缺陷。同時,針對肝臟血管磁共振圖像血管末梢對比度低的問題,提出了改進(jìn)的方法:結(jié)合非局域穩(wěn)健統(tǒng)計量和偏移校正,通過提高種子點信息的穩(wěn)健性并降低圖像亮度不均勻產(chǎn)生的影響來提高分割的精確度,改進(jìn)后的水平集算法提高了血管末梢的分割精確度。此外,本文還研究了基于大津閾值法和馬爾科夫隨機(jī)場的大腦圖像分割技術(shù)。本文針對大腦磁共振圖像病變區(qū)域邊緣不清晰的問題,對馬爾科夫隨機(jī)場提出了改進(jìn)的方法:結(jié)合馬爾科夫隨機(jī)場和迭代大津閾值法,分割不同成像方法得到的病變區(qū)域和正常組織,并對混疊的邊緣進(jìn)行分類,改進(jìn)后的分割算法提高了病變區(qū)域提取的精確度。
[Abstract]:In recent years, the rapid development of medical imaging technology has enabled people to obtain a large number of high-resolution medical image data, respectively from X-ray CTS, ultrasound, MRI and so on. These imaging techniques have been used in medical diagnosis. Treatment and preoperative planning have been widely used. It is of great significance to study how to analyze the information and data we need from medical images so that these valuable information can be used effectively. In medical image processing and analysis, medical image segmentation is particularly important. It can extract the structure and tissue needed by doctors, provide help for doctors' diagnosis or make more accurate surgical plans. Based on the analysis of the current situation of medical image segmentation, the level set based hepatic vascular image segmentation technique is studied in this paper. Firstly, the basic theory of active contour model and level set algorithm is systematically explained and studied. The characteristics of hepatic vascular magnetic resonance imaging and its segmentation limitations are analyzed, as well as the advantages and disadvantages of traditional level set segmentation methods. At the same time, aiming at the problem of low contrast of vascular endings in hepatic vascular magnetic resonance imaging, an improved method is proposed: combining non-local robust statistics and offset correction, The accuracy of segmentation is improved by improving the robustness of seed point information and reducing the influence of uneven image brightness. The improved level set algorithm improves the segmentation accuracy of vascular endings. In addition, the brain image segmentation technique based on Otsu threshold method and Markov random field is studied. In this paper, an improved method of Markov random field is proposed to solve the problem that the edge of the lesion region is not clear in magnetic resonance image of the brain: combining the Markov random field with the iterative threshold method, The lesion regions and normal tissues obtained from different imaging methods are segmented and the edges of the aliasing are classified. The improved segmentation algorithm improves the accuracy of the lesion region extraction.
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R445;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊誼;喻德曠;申洪;;先驗約束水平集方法提取乳腺超聲病灶[J];中國體視學(xué)與圖像分析;2013年04期

2 王興家;董利娜;李傳富;范亞;馮煥清;;用改進(jìn)的耦合水平集方法從MSCT中分割左心室[J];中國生物醫(yī)學(xué)工程學(xué)報;2011年04期

3 袁啟明;;檢查活細(xì)胞的磁共振顯微鏡[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;1991年06期

4 顧順德,聶生東,陳瑛,章魯;基于K-最近鄰規(guī)則的磁共振顱腦圖像分割算法的應(yīng)用研究[J];上海醫(yī)科大學(xué)學(xué)報;2000年02期

5 徐志榮,朱弋,張衛(wèi)東;磁共振實用圖像參數(shù)實驗分析[J];醫(yī)療衛(wèi)生裝備;2000年03期

6 劉德光,孫毅平;磁共振介導(dǎo)微創(chuàng)外科的展望[J];中國冶金工業(yè)醫(yī)學(xué)雜志;2001年03期

7 吳前芝,張?zhí)?毛存南,陳馬昊;磁共振窗口技術(shù)應(yīng)用初探[J];實用醫(yī)技雜志;2002年12期

8 陳迎良;苗重昌;張波;;新生兒缺氧缺血性腦病患兒磁共振檢查的護(hù)理體會[J];醫(yī)學(xué)理論與實踐;2012年24期

9 Von D.Uhlenbrock;張本固;;磁共振體層照像診斷炎性腎臟病的可能性[J];放射學(xué)實踐;1988年04期

10 楊揚;西班牙空軍高性能戰(zhàn)斗機(jī)飛行員的頸椎磁共振圖像[J];航空軍醫(yī);1997年01期

相關(guān)會議論文 前10條

1 敬閏宇;孫婧;李夢龍;;使用改進(jìn)的水平集方法對數(shù)據(jù)進(jìn)行分類[A];中國化學(xué)會第28屆學(xué)術(shù)年會第14分會場摘要集[C];2012年

2 馬振;吳紀(jì)桃;羅中華;;基于水平集方法的遙感圖像道路提取算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

3 徐建軍;Ren Weiqing;;計算二相流中有表面活性劑的移動接觸線問題的水平集方法[A];第十六屆全國流體力學(xué)數(shù)值方法研討會2013論文集[C];2013年

4 宮欣;苑鋒;;結(jié)構(gòu)拓?fù)鋬?yōu)化中水平集方法的改進(jìn)[A];山東土木建筑學(xué)會建筑結(jié)構(gòu)專業(yè)委員會2008年學(xué)術(shù)年會論文集[C];2008年

5 代曉青;曾竟成;肖加余;江大志;邢素麗;;水平集方法模擬反應(yīng)性樹脂體系一維流動界面[A];復(fù)合材料：創(chuàng)新與可持續(xù)發(fā)展(下冊)[C];2010年

6 張維聲;郭旭;鐘文亮;;基于水平集方法的多相材料結(jié)構(gòu)應(yīng)力問題拓?fù)鋬?yōu)化[A];中國力學(xué)大會——2013論文摘要集[C];2013年

7 劉苗苗;黎寧;吳園;;基于水平集方法的腦部MR圖像分割算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

8 吳園;黎寧;劉苗苗;;一種基于快速水平集方法的運動車輛檢測[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

9 趙磊;徐進(jìn);;磁共振導(dǎo)航微創(chuàng)治療系統(tǒng)及其臨床應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會成立30周年紀(jì)念大會暨2010中國生物醫(yī)學(xué)工程學(xué)會學(xué)術(shù)大會壁報展示論文[C];2010年

10 徐志榮;朱戈;張衛(wèi)東;;磁共振實用圖像參數(shù)實驗分析[A];中華醫(yī)學(xué)會醫(yī)學(xué)工程學(xué)分會第一次醫(yī)學(xué)影像設(shè)備應(yīng)用技術(shù)研討會論文集[C];1999年

相關(guān)重要報紙文章 前3條

1 本報記者 皮澤紅;國產(chǎn)磁共振的痛苦只是暫時的[N];廣東科技報;2004年

2 記者　孫占穩(wěn);新奧博為勇破世界性難題[N];河北日報;2006年

3 本報記者 劉正午;磁共振競技場的新較量[N];醫(yī)藥經(jīng)濟(jì)報;2004年

相關(guān)博士學(xué)位論文 前10條

1 江冬;人造血管形狀設(shè)計問題的數(shù)值模擬[D];浙江大學(xué);2016年

2 朱本亮;基于水平集方法的分布式柔順機(jī)構(gòu)拓?fù)鋬?yōu)化設(shè)計研究[D];華南理工大學(xué);2014年

3 劉箐;水平集方法在預(yù)混合湍流V型火焰模擬和形狀復(fù)原問題上的應(yīng)用[D];浙江大學(xué);2010年

4 溫軍玲;海馬磁共振圖像分割[D];上海大學(xué);2017年

5 郭振波;基于變分水平集方法的多相圖像分割研究[D];中國海洋大學(xué);2008年

6 閔海;基于區(qū)域型水平集方法的圖像分割算法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

7 劉國才;生物醫(yī)學(xué)圖像處理中的有界變差函數(shù)空間與水平集方法研究[D];湖南大學(xué);2007年

8 王曉峰;水平集方法及其在圖像分割中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2009年

9 李建福;磁共振結(jié)構(gòu)像分析及其在音樂家大腦研究中的應(yīng)用[D];電子科技大學(xué);2015年

10 羅敏敏;胎兒磁共振安全問題研究[D];南方醫(yī)科大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 盧思雨;基于水平集方法的醫(yī)學(xué)影像血管分割[D];北京化工大學(xué);2017年

2 羅浩;基于口腔CT重建數(shù)據(jù)的牙齒分割與可視化研究[D];東北大學(xué);2013年

3 石瑾凌;基于水平集方法的海面SAR溢油檢測研究[D];西安電子科技大學(xué);2014年

4 王旭洋;基于水平集方法的目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2014年

5 王從輝;基于非線性先驗形狀的水平集方法研究[D];遼寧科技大學(xué);2016年

6 譚璐;錯覺輪廓圖像的分割模型及其快速算法[D];青島大學(xué);2016年

7 陳苗苗;水平集方法在圖像分割中的應(yīng)用[D];中央民族大學(xué);2017年

8 孫晶;用于解決等距問題的水平集方法[D];大連理工大學(xué);2002年

9 張海青;基于水平集方法的高斯噪聲圖像的三維分割[D];青島大學(xué);2008年

10 胡超;基于水平集方法的重構(gòu)研究[D];安徽大學(xué);2007年

，

本文編號：2071198