医学图像分割与三维重构研究

论文摘要

本文的主要研究内容是基于Chan-Vese模型的脑肿瘤图像分割、三维重构与定位及肝脏肿瘤体积计算。论文的主要工作如下：首先对脑肿瘤图像分割、三维重构与肝脏肿瘤体积计算的背景和意义进行了阐述,在此基础上对目前常用的医学图像分割方法进行了分类介绍。其次,对Chan-Vese分割模型进行了详细介绍,提出了基于Chan-Vese模型的脑肿瘤图像分割方法。首先通过对脑肿瘤图片的迭代腐蚀操作提取脑肿瘤轮廓,然后利用Chan-Vese模型对脑肿瘤进行分割,之后利用形态学重构对分割结果进一步优化,最后对图像进行迭代膨胀操作复原图像。当分割目标的边界灰度值变化比较缓和或者分割目标包含较大的拐角或窄带区域时,本人使用的方法能取得比传统Chan-Vese模型更好的分割效果,从而提高了图像分割的准确度。再次,对所有分割后的脑肿瘤图片进行了三维重构与定位。三维重构技术就是从物体的二维图像切片中重构出图像的三维信息,便于医学工作者从不同的角度对病变体进行观察和分析。本文在分别介绍了面绘制方法和体绘制方法的基础上,借助可视化工具VTK对分割后的脑肿瘤切片进行了医学图像三维重构与定位,为医生的术前分析提供了理论依据。最后,对肝脏肿瘤体积进行了科学计算。由于肝脏肿瘤体积可以帮助医学工作者客观了解肝脏肿瘤的相关特性,因此对于肝脏肿瘤体积的计算具有十分重要的应用价值。本文分别使用了基于累加法和VTK的计算方法对肝脏肿瘤体积进行了计算,并对实验结果进行了统计。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究目的和意义
• 1.3 医学图像分割研究概述
• 1.4 医学图像三维重构概述
• 1.5 肝脏肿瘤体积计算概述
• 1.6 论文的主要工作和文章结构
• 第二章 医学图像分割方法介绍
• 2.1 基于区域的图像分割方法
• 2.1.1 阈值分割方法
• 2.1.2 区域生长和分裂合并方法
• 2.1.3 数学形态学方法
• 2.2 基于模型的图像分割方法
• 2.2.1 主动轮廓模型
• 2.2.2 水平集函数
• 2.3 结合特定理论的分割方法
• 2.3.1 基于模糊集理论的方法
• 2.3.2 基于神经网络的分割方法
• 2.3.3 基于小波分析和变换的分割方法
• 本章小结
• 第三章 基于Chan-Vese模型的脑肿瘤图像分割方法
• 3.1 Chan-Vese模型
• 3.1.1 基本能量曲线
• 3.1.2 Mumford-Shah函数模型
• 3.1.3 水平集求解
• 3.2 基于Chan-Vese模型的脑肿瘤图像分割
• 3.3 实验结果及其分析
• 本章小结
• 第四章 脑肿瘤图像的三维重构
• 引言
• 4.1 三维重构的方法与研究
• 4.1.1 面绘制方法
• 4.1.2 体绘制方法
• 4.1.3 面绘制方法与体绘制方法的比较
• 4.1.4 三维可视化工具VTK
• 4.2 基于VTK的脑肿瘤图像分割方法
• 4.3 实验结果
• 4.3.1 面绘制结果
• 4.3.2 体绘制结果
• 本章小结
• 第五章 基于CT影像的肝脏肿瘤体积计算
• 引言
• 5.1 肝脏肿瘤体积计算原理
• 5.1.1 基于累加法的肿瘤体积计算
• 5.1.2 基于VTK的肿瘤体积计算
• 5.2 肝脏肿瘤体积的计算流程
• 5.3 实验结果
• 本章小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 工作展望
• 参考文献
• 攻读硕士学位期间发表的文章
• 致谢