左心耳是人體心臟中重要的組織結構之一,它與左心房相連,血流相通,內部分支縱橫交錯。左心耳的性狀變化與心臟疾病密切相關,左心耳圖像的分割是對左心耳進行分析的重要步驟之一。如臨床上的左心耳封堵術,利用生物3D打印技術制造人工左心耳等研究都需要以左心耳圖像分割為基礎。本文主要針對左心耳這一人體心臟組織結構展開了圖像分割算法研究工作。由于左心耳在生理結構上與左心房相連,在CT圖像上與左心房沒有明顯的邊界,結構特殊。傳統(tǒng)的圖像分割方法是建立在分割對象有邊界的基礎之上,利用邊界處圖像灰度值或灰度分布的差異作為識別邊界的特征進行分割。然而對于本就沒有邊界的左心耳而言,由于無法從灰度中獲得邊界特征,因此難以準確確定分割邊界。為此,本文針對左心耳無邊界與左心房黏連的結構特點,提出了三種改進算法:1.以區(qū)域生長算法為基礎,針對左心耳的位置特點,提出改進的像素生長的策略。使用Bresenham算法在位于左心房與左心耳的黏連處設定生長停止面,進而使區(qū)域生長算法在黏連邊界處停止像素生長。實驗結果表明,使用該方法能分割出左心耳結構,但還存在在人工交互的不足之處。2.為解決Bresenham區(qū)域生長算法存在需要人工...

【文章頁數】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及研究意義
    1.2 心臟圖像分割的發(fā)展現狀
    1.3 本文創(chuàng)新
    1.4 本文章節(jié)構成
第二章 弱邊界分割技術
    2.1 弱邊界分割算法
        2.1.1 分水嶺算法
        2.1.2 活動輪廓模型
        2.1.3 水平集算法
        2.1.4 Atlas算法
        2.1.5 基于特定情況的分割
    2.2 MICCAI評測方法
    2.3 本章小結
第三章 基于Brsenham的區(qū)域生長算法
    3.1 Bresenham區(qū)域生長算法介紹
    3.2 算法實現
        3.2.1 保留邊緣的各向異性降噪
        3.2.2 Bresenham生長停止面
        3.2.3 連接門限的區(qū)域生長算法
    3.3 實驗結果與分析
        3.3.1 各向異性濾波
        3.3.2 生長停止面
        3.3.3 區(qū)域生長
    3.4 本章小結
第四章 基于距離水平集的生長停止面
    4.1 基于距離水平集的生長停止面介紹
    4.2 距離分水嶺算法
    4.3 距離特征
        4.3.1 歐式距離
        4.3.2 距離變換
    4.4 改進的水平集算法
        4.4.1 距離水平集算法介紹
        4.4.2 sigmoid算法預處理
        4.4.3 快速步進水平集算法
    4.5 實驗結果與分析
        4.5.1 距離變換
        4.5.2 sigmoid濾波
        4.5.3 距離水平集作為生長停止面
        4.5.4 形態(tài)學處理
        4.5.5 距離分水嶺與距離水平集的對比
    4.6 本章小結
第五章 基于相鄰配準Atlas的分割方法
    5.1 Atlas方法研究現狀
        5.1.1 提高精度的研究發(fā)展
        5.1.2 提升速率的研究發(fā)展
    5.2 傳統(tǒng)Atlas方法
        5.2.1 單Atlas方法
        5.2.2 多Atlas方法
    5.3 配準框架
        5.3.1 Atlas方法配準步驟
        5.3.2 優(yōu)化器
        5.3.3 插值器
        5.3.4 傳遞函數
        5.3.5 相似度量
        5.3.6 提高配準精度
    5.4 基于相鄰配準的Atlas方法
        5.4.1 相鄰Atlas算法流程
        5.4.2 相鄰Atlas方法的配準邏輯
        5.4.3 配準工具
        5.4.4 配準參數選擇
    5.5 相鄰Atlas實驗
        5.5.1 預處理
        5.5.2 相鄰Atlas分割結果
        5.5.3 MICCAI指標對比
    5.6 相鄰信息Atlas輪廓結合距離水平集算法分割
        5.6.1 相鄰信息Atlas輪廓結合距離水平集算法介紹
        5.6.2 實驗結果展示
        5.6.3 實驗結果對比分析
    5.7 本章小結
第六章 總結和展望
    6.1 本文總結
    6.2 下一步研究方向
參考文獻
致謝



本文編號：3784636