【摘要】：醫(yī)學(xué)影像在臨床診療中的應(yīng)用日益廣泛,而醫(yī)學(xué)圖像分割為醫(yī)生提供了更直觀有效的解剖結(jié)構(gòu)展示,極大地提高了診療效率。但醫(yī)學(xué)圖像往往具有灰度不均勻、邊界模糊和個(gè)體差異大等特點(diǎn),特別是其中的軟組織器官,這給分割帶來了極大的挑戰(zhàn)。本文廣泛調(diào)研和分析了國內(nèi)外的研究現(xiàn)狀,提出了一種基于多圖譜配準(zhǔn)與隨機(jī)森林的分割方法,旨在高效地獲得軟組織器官的清晰邊界。這是一個(gè)結(jié)合了多圖譜技術(shù)與監(jiān)督學(xué)習(xí)的醫(yī)學(xué)圖像分割框架。首先基于多個(gè)圖譜的剛性配準(zhǔn)結(jié)果獲得了目標(biāo)器官的初步分割即概率圖;然后充分利用圖譜信息,設(shè)計(jì)了以顯著提高分割效率為目標(biāo)的特征提取和分類器訓(xùn)練方案,并使用了隨機(jī)森林分類器在概率圖的基礎(chǔ)上完成精細(xì)分割;最后整合了概率圖和分類結(jié)果以生成最終的分割結(jié)果。本文將上述方法應(yīng)用到基于mirco-CT圖像的腎臟分割中,全面分析了不同參數(shù)對(duì)其性能的影響。實(shí)驗(yàn)顯示,本文方法在兩個(gè)不同數(shù)據(jù)集上分別取得了0.9766和0.9255的Dice系數(shù),1.25mm和0.98mm的平均表面距離,其分割精度具有明顯優(yōu)勢(shì)。此外,與相關(guān)方法相比,該方法具有較高的分割效率。結(jié)果證明,本文方法有效地整合了多圖譜配準(zhǔn)和隨機(jī)森林,由粗到精的分割策略使其對(duì)圖譜數(shù)量和配準(zhǔn)精度的要求大大降低;而圖譜信息的充分利用使其變得高效�？偠灾�,該方法能夠精確而高效地實(shí)現(xiàn)醫(yī)學(xué)圖像中的軟組織器官分割,有較大的臨床應(yīng)用潛力。
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;R816.7
【圖文】：

圖 2 多個(gè)圖譜的高對(duì)比度器官配準(zhǔn)結(jié)果令oH 表示目標(biāo)圖像的高對(duì)比度器官，將iH 配準(zhǔn)到 后獲得變換矩陣iT ，使射kidneyiX 到 所在的形狀空間來生成kidneyiX ，類似地， 是表示映射后的三維點(diǎn)集。接著一個(gè)與iX 大小相同的三維矩陣iM 被創(chuàng)建，其中 所表示的位置值為 1，其他位置值為 0，例如 是一個(gè)10 10 10的矩陣1,1,1; 2,3,4kidneyi =，則 中除(1 ,1,1)和( 2,3,4)處值為 1 外，其余位置值都為述過程遍歷所有圖譜后，集合 1, ,akidney kidneyN = X X 和 1, ,aN = M M，其中aN 是圖譜的數(shù)量，即訓(xùn)練圖像的數(shù)量。目標(biāo)圖像腎臟的統(tǒng)計(jì)概率圖 M 由算1aNM M=

MAR-RF 在基于 micro-CT 圖像的腎臟分割中的應(yīng)用，個(gè)重要參數(shù)的依賴，討論某些實(shí)驗(yàn)設(shè)置可能給其性能帶驗(yàn)證該方法的優(yōu)勢(shì)。實(shí)驗(yàn)環(huán)境描述數(shù)據(jù)采集自 micro-CT 成像系統(tǒng)(如圖 7 所示意)，該系面陣探測(cè)器和旋轉(zhuǎn)實(shí)驗(yàn)臺(tái)等組成，其利用了生物體的不同這一性質(zhì)。具體地，在成像過程中，通過精確控制實(shí) 度全方位的穿過目標(biāo)，由面陣探測(cè)器接收透過生物體入到計(jì)算機(jī)中，最后經(jīng)計(jì)算機(jī)采用 FDK 等算法進(jìn)行三息。

不同特征組合下MAR-RF的分割結(jié)果

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 江貴平;秦文健;周壽軍;王昌淼;;醫(yī)學(xué)圖像分割及其發(fā)展現(xiàn)狀[J];計(jì)算機(jī)學(xué)報(bào);2015年06期

2 師文;朱學(xué)芳;朱光;;基于形態(tài)學(xué)的MRI圖像自適應(yīng)邊緣檢測(cè)算法[J];儀器儀表學(xué)報(bào);2013年02期

3 劉松濤;殷福亮;;基于圖割的圖像分割方法及其新進(jìn)展[J];自動(dòng)化學(xué)報(bào);2012年06期

4 李楠;張為;;醫(yī)學(xué)圖像分割技術(shù)綜述[J];陰山學(xué)刊(自然科學(xué)版);2007年01期

5 陳強(qiáng),周則明,王平安,夏德深;帶標(biāo)記線左心室MR圖像的自動(dòng)分割[J];中國圖象圖形學(xué)報(bào);2004年06期

6 林瑤;田捷;;醫(yī)學(xué)圖像分割方法綜述[J];模式識(shí)別與人工智能;2002年02期

相關(guān)博士學(xué)位論文 前1條

1 于志強(qiáng);醫(yī)學(xué)圖像分割與虛擬手術(shù)幾個(gè)關(guān)鍵問題的研究[D];上海交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前3條

1 王宇慧;基于主動(dòng)形狀模型的醫(yī)學(xué)圖像分割方法研究[D];西北大學(xué);2015年

2 鄭麗芳;三維超聲圖像分割方法的研究與實(shí)現(xiàn)[D];華南理工大學(xué);2012年

3 楊加臣;基于MAP-EM算法的醫(yī)學(xué)圖像分割技術(shù)研究[D];西安電子科技大學(xué);2010年

本文編號(hào)：2780422