本文關(guān)鍵詞：CAM血管新生圖像處理算法研究　出處：《長春工業(yè)大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： CAM 血管圖像 迭代閾值跟蹤算法 骨架提取 量化

【摘要】：血管新生(angiogenesis)就是從現(xiàn)有血管中生長出新血管的過程。血管新生不僅在正常生理變化中(如生長、傷口愈合)起著重要的作用,而且和癌癥的機(jī)理也有著緊密關(guān)系。因此,研究血管新生對(duì)癌癥的治療和預(yù)防具有重要意義。血管生長水平一般通過計(jì)算一定區(qū)域的血管長度、血管面積、分叉點(diǎn)數(shù)等量化參數(shù)來評(píng)估。實(shí)驗(yàn)材料易得、實(shí)驗(yàn)周期短、操作簡便并且結(jié)果易于觀察的雞胚絨毛尿囊膜(CAM)是研究血管新生活動(dòng)的常用實(shí)驗(yàn)載體。針對(duì)CAM血管圖像具有目標(biāo)和背景區(qū)域?qū)Ρ榷鹊�、局部血管出現(xiàn)斷裂、不同血管區(qū)域的灰度值差距較大等特點(diǎn),通過Otsu閾值分割算法結(jié)合OPTA細(xì)化算法獲得初始的種子點(diǎn),然后通過迭代閾值跟蹤算法進(jìn)行圖像分割,提取血管信息。與傳統(tǒng)的單一閾值分割法、邊緣檢測(cè)分割法相比,本文迭代閾值跟蹤算法能較好的分割出CAM血管圖像中細(xì)小血管信息,并且檢測(cè)到的血管信息更加準(zhǔn)確和完整。骨架信息提取的好壞直接影響后面量化評(píng)估。針對(duì)分割后的CAM血管圖像具有寬度不一、分支點(diǎn)多等特點(diǎn),通過Hessian矩陣確定血管方向和離散高斯核函數(shù)卷積CAM血管圖像獲得血管骨架點(diǎn)信息。對(duì)比發(fā)現(xiàn),本文骨架提取算法明顯優(yōu)于傳統(tǒng)細(xì)化算法,并且具有良好的中軸性和連通性。為了更加直觀地看到每個(gè)處理模塊的效果,最后設(shè)計(jì)了GUI系統(tǒng)。對(duì)比實(shí)驗(yàn)結(jié)果可以看出本文量化結(jié)果和專家手動(dòng)獲得的量化結(jié)果誤差很小,并且可重復(fù)性應(yīng)用。
[Abstract]:Neovascularization (angiogenesis) is a process of growth of new blood vessels from existing blood vessels. Angiogenesis not only in normal physiological changes (such as growth, wound healing) plays an important role, and the mechanism of cancer and also has a close relationship. Therefore, it is important to study angiogenesis treatment and prevention of cancer. The general level of blood vessel growth by calculating the area of vascular length, vessel area, number of quantitative parameters to assess the bifurcation. The experimental materials are easy to obtain, the experimental period is short, simple operation and easy results chorio urine capsule observation (CAM) is a commonly used experimental carrier to study angiogenesis activity. For CAM imaging with goal and the background of low contrast, local vascular rupture, gray vascular region is a big gap between the different features, through the Otsu threshold segmentation algorithm based on OPTA algorithm to obtain the initial refinement The seed point, and then through the iterative threshold tracking algorithm for image segmentation, extraction of vascular information. And the traditional single threshold segmentation method, edge detection segmentation method, the iterative threshold tracking algorithm can better segment the small blood vessels CAM angiography image information, and detected the vascular information more accurate and complete information extraction framework. The direct impact behind the quantitative evaluation. For CAM vascular image segmentation after having a width of a branch point features, using Hessian matrix to determine convolution CAM imaging vascular direction and discrete Gauss kernel function to obtain vascular skeleton point information. By comparison, the algorithm is obviously superior to the traditional thinning algorithm to extract the skeleton, and good the axis and connectivity. In order to see the effect of each processing module is more intuitive, the final design of the GUI system. The experimental results can be seen The quantitative results obtained by this paper and the manual obtained by the expert are very small, and can be used repeatable.

【學(xué)位授予單位】：長春工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R730.4;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 宋立軍;梁國民;張紀(jì);孫巧黎;;構(gòu)建PACS系統(tǒng)應(yīng)重點(diǎn)關(guān)注的幾個(gè)問題[J];實(shí)用放射學(xué)雜志;2004年04期

2 胡曉平;湯黎明;;計(jì)算機(jī)輔助三維穿刺系統(tǒng)的研制[J];醫(yī)療衛(wèi)生裝備;2008年11期

3 ;[J];;年期

相關(guān)會(huì)議論文 前5條

1 李蓮;馬彥鋒;周潔;;破損膠囊圖像處理算法的比較研究[A];中國儀器儀表學(xué)會(huì)第十二屆青年學(xué)術(shù)會(huì)議論文集[C];2010年

2 許信松;王魯平;;基于雙邊濾波的紅外圖像細(xì)節(jié)增強(qiáng)算法研究[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

3 郝仁劍;張婷;李佳洪;羅馬思陽;;基于DM643自動(dòng)追蹤系統(tǒng)的設(shè)計(jì)及圖像處理算法研究[A];第二十九屆中國控制會(huì)議論文集[C];2010年

4 李忠科;宋大虎;;三維掃描儀亮帶圖像處理算法研究[A];第九次全國口腔醫(yī)學(xué)計(jì)算機(jī)應(yīng)用學(xué)術(shù)會(huì)議論文匯編[C];2011年

5 張海林;葛思擘;施仁;;基于線陣CCD的煙葉雜質(zhì)剔除系統(tǒng)的研究[A];中國儀器儀表學(xué)會(huì)第五屆青年學(xué)術(shù)會(huì)議論文集[C];2003年

相關(guān)重要報(bào)紙文章 前2條

1 華北光電技術(shù)研究所 劉剛;FPGA+DSP升級(jí)熱像設(shè)計(jì)[N];中國電子報(bào);2010年

2 劉暉;貼近專業(yè)的感覺[N];計(jì)算機(jī)世界;2002年

相關(guān)博士學(xué)位論文 前5條

1 王建莊;基于FPGA的高速圖像處理算法研究及系統(tǒng)實(shí)現(xiàn)[D];華中科技大學(xué);2011年

2 郭艷菊;基于仿生智能優(yōu)化的圖像處理算法研究[D];河北工業(yè)大學(xué);2014年

3 白旭;電視制導(dǎo)中圖像處理算法和信息安全問題研究[D];哈爾濱工業(yè)大學(xué);2008年

4 白俊奇;高分辨率紅外成像中的圖像處理算法研究[D];南京理工大學(xué);2010年

5 魏卓;含GPU環(huán)境高清視頻圖像處理算法研究與實(shí)現(xiàn)[D];華中科技大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 許卉;基于圖像處理算法的嵌入式交通信號(hào)控制系統(tǒng)的研究與設(shè)計(jì)[D];內(nèi)蒙古大學(xué);2015年

2 齊金;典型圖像處理算法在Xeon Phi平臺(tái)上的實(shí)現(xiàn)與優(yōu)化技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

3 章飄艷;生產(chǎn)線產(chǎn)品缺陷檢測(cè)中的圖像處理算法研究[D];南京航空航天大學(xué);2014年

4 羅林;基于FPGA的快速圖像處理算法的研究與實(shí)現(xiàn)[D];重慶交通大學(xué);2015年

5 臧佩佩;視網(wǎng)膜圖像處理算法及應(yīng)用研究[D];山東中醫(yī)藥大學(xué);2015年

6 王麗麗;輕武器電子校瞄系統(tǒng)研究[D];中北大學(xué);2016年

7 許雪;基于自適應(yīng)壓縮感知的圖像處理算法研究[D];北京理工大學(xué);2016年

8 賀瑞芳;視覺假體圖像處理算法的研究[D];西安工程大學(xué);2016年

9 李保梁;CAM血管新生圖像處理算法研究[D];長春工業(yè)大學(xué);2016年

10 呂敏;通用圖像處理算法流程組裝平臺(tái)[D];中南大學(xué);2010年

，

本文編號(hào)：1388580