医学图像分割与可视化方法研究以及在髋臼手术效果评测中的应用

医学图像分割与可视化方法研究以及在髋臼手术效果评测中的应用

论文摘要

在髋臼骨外科手术中,由于髋臼本身结构复杂,加上骨折和移位情况多种多样,因而很难对手术复位情况做出判断。随着医学成像技术和计算机技术的发展,利用计算机辅助完成手术复位效果的评价成为一个新的突破点。本文提出了一个定量评测髋臼手术效果的系统,重点介绍了图像分割和三维重建两部分内容。主要完成了如下工作:(1)提出了基于Canny算子边缘提取的单层CT图像分割方法。该方法是以Canny边缘提取的结果为基础,结合了阈值法、边缘归一化和封闭边界生成算法的自动分割方法。这种分割方法可以保证分割结果的准确性,从而为定量的评价手术效果提供了数据基础。(2)在单层图像分割的基础上,提出了CT序列图像的快速分割方法。利用相邻层图像之间的相关性,用本文中提出的邻层寻边算法可以快速的完成相邻图层的分割,从而实现序列的快速分割。该算法实现简单,效率高。(3)采用了光线投射模型为基础的体绘制方法。利用整体灰度直方图和目标部分灰度直方图,建立相应的颜色和透明度函数,从而突出目标区域,获得了更好的显示效果。经过图像分割和体绘制,可以获得髋臼部分三维结构的准确数据,这些数据应用于临床中,可以为医生制定手术效果评价标准提供准确的依据,从而能够提高评价的效率和准确性。本文的另一部分工作是关于中药有效成分的分析和活性预测,提出了遗传算法和支持向量机相结合的分析模型,获得了对活性影响最重要的特征集合,其活性预测的结果与实验测量结果基本吻合,证明该方法能够对药物活性进行较准确的预测。该模型应用于中药分析可以减少生物实验的次数,从而节省成本,并可以用于指导新药的研制。

论文目录

  • 摘要
  • Abstract
  • 第1章 引言
  • 1.1 课题背景
  • 1.1.1 图像分割研究现状
  • 1.1.2 医学图像三维重构研究现状
  • 1.2 论文的主要研究工作
  • 1.3 本文结构安排
  • 第2章 医学图像分割
  • 2.1 图像分割概述
  • 2.2 医学图像分割方法
  • 2.3 几种常用分割方法比较及分析
  • 2.3.1 阈值法
  • 2.3.2 区域增长算法
  • 2.3.3 分水岭算法
  • 2.3.4 水平集算法
  • 2.3.5 基于边缘的分割算法
  • 2.4 本章小结
  • 第3章 医学图像的体绘制
  • 3.1 医学图像三维可视化方法概述
  • 3.2 基于体绘制的三维显示
  • 3.2.1 体绘制的几个关键技术
  • 3.2.2 光线投射法
  • 3.2.3 足迹表法
  • 3.2.4 错切-变形算法
  • 3.3 本章小结
  • 第4章 髋臼手术效果评测系统中的图像分割和可视化
  • 4.1 基于Canny 边缘提取的单层CT 图像分割
  • 4.1.1 Canny 边缘提取
  • 4.1.2 基于阈值法的背景处理
  • 4.1.3 边缘归一化
  • 4.1.4 封闭边界生成算法
  • 4.1.5 手动修正
  • 4.2 CT 序列图像分割算法
  • 4.2.1 几种距离的定义
  • 4.2.2 邻层寻边算法
  • 4.3 基于光线投射法的体绘制
  • 4.3.1 引入灰度直方图的体绘制
  • 4.3.2 引入梯度函数的体绘制
  • 4.4 本章小结
  • 第5章 其他工作:中药有效成分分析及活性预测
  • 5.1 研究背景及研究现状
  • 5.1.1 生物活体实验
  • 5.1.2 仿真测试结合靶位
  • 5.1.3 计算机辅助建立分子结构与活性之间的定量数理关系
  • 5.2 特征提取
  • 5.3 特征选择与优化
  • 5.3.1 回归分析
  • 5.3.2 主成分分析
  • 5.3.3 因子分析
  • 5.3.4 基于遗传算法的特征选择方法
  • 5.4 预测建模
  • 5.4.1 Hansch 模型
  • 5.4.2 Free-Wilson 模型
  • 5.4.3 人工神经网络模型
  • 5.4.4 支持向量机模型
  • 5.5 桂枝汤A 部分有效成分的分析和活性预测
  • 5.5.1 特征选择
  • 5.5.2 活性预测
  • 5.5.3 GA-SVM 模型应用于实际数据
  • 5.6 本章小结
  • 第6章 总结
  • 参考文献
  • 致谢
  • 个人简历、在学期间发表的学术论文与研究成果
  • 相关论文文献

    • [1].分水岭算法的改进及在图像分割中的应用[J]. 现代信息科技 2019(24)
    • [2].血管造影图像分割方法研究的现状与进展[J]. 生物医学工程研究 2020(01)
    • [3].数字图像处理中的图像分割技术及其应用[J]. 通讯世界 2020(04)
    • [4].基于深度学习的激光雷达遥感图像分割[J]. 激光杂志 2020(06)
    • [5].基于小波融合的苹果图像分割的研究[J]. 科技视界 2018(29)
    • [6].图像分割方法综述[J]. 电脑知识与技术 2019(05)
    • [7].基于深度学习的图像分割技术[J]. 人工智能 2019(02)
    • [8].基于模糊信息处理的图像分割方法研究[J]. 信息系统工程 2017(11)
    • [9].数字图像处理中的图像分割技术应用研究[J]. 电子技术与软件工程 2017(01)
    • [10].一种基于统计学习理论的最小生成树图像分割准则[J]. 武汉大学学报(信息科学版) 2017(07)
    • [11].基于显著性检测的协同图像分割研究[J]. 现代计算机(专业版) 2017(24)
    • [12].一种基于数据场的图像分割方法与研究[J]. 长春工程学院学报(自然科学版) 2016(02)
    • [13].基于自适应局部阈值的交互式图像分割[J]. 计算机应用与软件 2014(11)
    • [14].对图像分割方法的认识及新进展研究[J]. 数码世界 2018(08)
    • [15].唇纹识别图像分割系统的研究[J]. 山西青年 2017(11)
    • [16].浅谈基于阈值的图像分割方法[J]. 科学家 2017(02)
    • [17].医学图像分析系统设计[J]. 数码世界 2017(09)
    • [18].基于边缘的图像分割在牛体尺测量中的应用[J]. 数字技术与应用 2020(02)
    • [19].一种基于标记分水岭的图像分割方法[J]. 现代计算机 2020(15)
    • [20].一种基于种子优化算法的图像分割方法[J]. 电脑知识与技术 2019(06)
    • [21].基于物体间支撑语义关系的室内场景彩色深度图像分割[J]. 控制理论与应用 2019(04)
    • [22].图像分割方法综述[J]. 信息记录材料 2019(07)
    • [23].基于图论的图像分割及其嵌入式应用研究[J]. 石家庄学院学报 2017(06)
    • [24].改进马尔可夫模型的SAR图像分割[J]. 遥感信息 2017(06)
    • [25].基于蚁群算法的图像分割方法[J]. 宝鸡文理学院学报(自然科学版) 2018(02)
    • [26].基于均值平移算法的图像分割技术[J]. 电子技术与软件工程 2017(01)
    • [27].基于图像分割的糖尿病性视网膜病变血管研究[J]. 中国医疗器械信息 2017(19)
    • [28].改进小波算法在图像分割技术中的应用[J]. 数字技术与应用 2016(03)
    • [29].棉花图像分割方法的比较与分析[J]. 中国棉花加工 2016(01)
    • [30].基于人脸检测与细胞自动机的人物图像分割[J]. 计算机工程 2016(06)

    标签:;  ;  ;  ;  

    医学图像分割与可视化方法研究以及在髋臼手术效果评测中的应用
    下载Doc文档

    猜你喜欢