基于可变形模型的CT图像病灶分割及参数测量

论文摘要

图像分割是图像处理和计算机视觉领域中的基本技术,是大多数图像分析及视觉系统的重要组成部分。医学图像分割是图像分割的一个重要应用领域,在临床诊疗中起着越来越重要的作用。医学临床实践和研究经常需要对人体某种组织和器官的形状、边界、截面面积以及病灶之间的距离进行测量,从而得出该组织病理或功能方面的重要信息。精确的测量对疾病的诊断和治疗有重要的临床意义。由于医学影像的成像特点及图像质量的不同,应用传统的图像分割方法来提取边界可能效果不佳。为此,可变形模型的方法被广泛地研究和应用在医学图像分割中。 本文首先分析了目前广泛应用的医学图像分割方法,讨论了每类分割方法的特点和其所适用的范围,接着重点对可变形轮廓模型在医学图像分割方面进行了研究。课题针对CT图像的分割方法,提出了一种基于GVF模型的改进的活动轮廓分割法,克服了GVF模型不能处理深度凹陷区域的问题。实验结果表明,改进后的分割方法较原Snake模型及GVF模型的效果更好。 在病灶区域被分割后,对其表征参数进行了测量分析,包括病灶区域的形状、大小及病灶区域之间的距离,这可为医生进行手术方案的制定和治疗提供一定的依据。

论文目录

• 1 绪论
• 1.1 引言
• 1.2 CT成像原理及其图像特点分析
• 1.3 医学图像分割的目的及意义
• 1.4 医学图像分割方法介绍
• 1.4.1 基于区域的图像分割
• 1.4.2 基于边缘的图像分割
• 1.4.3 结合特定理论工具的方法
• 1.5 课题研究的目的及主要内容
• 2 基于可变形模型的医学图像分割理论及技术
• 2.1 概述
• 2.2 传统Snake模型
• 2.2.1 原理说明
• 2.2.2 算法分析及评价
• 2.3 GVF模型
• 2.3.1 原理说明
• 2.3.2 算法分析及评价
• 2.4 广义梯度矢量流模型
• 2.4.1 原理说明
• 2.4.2 算法分析及评价
• 3 基于改进的 GVF模型的CT图像病灶区域分割
• 3.1 原理说明
• 3.1.1 高斯滤波
• 3.1.2 梯度
• 3.2 改进方案
• 3.2.1 内能改进
• 3.2.2 外能改进
• 3.3 算法实现分析及流程
• 3.4 实验结果及分析
• 3.4.1 实验图像的获取
• 3.4.2 分割结果的分析及评价
• 4 基于分割结果的 CT图像病灶区域参数提取
• 4.1 参数表征的目的及意义
• 4.2 病灶区域形状的定义及分析
• 4.3 病灶区域面积的测量
• 4.4 不同病灶区域之间的距离参数定义及测量
• 5 结论与展望
• 致谢
• 参考文献
• 在校学习期间发表的论文