三维医学血管图像的分割

论文摘要

随着医学影像技术的日渐进步,各种不同模式的医学成像技术被广泛的应用在对病情的临床观察和诊断上。这将有助于医生对病人病情更直接的认识。利用得到的医学影像,通过分割算法从医学影像图片中提取出感兴趣的区域,在后处理中,利用计算机显示技术可以更加直观的分析病灶的病变程度,并进行定量的测量。论文将血管这一人体重要器官作为图像分割的研究对象,本文针对以论文课题开展了如下工作:首先,论文介绍了医学血管图像分割研究背景及现状,分析了血管图像分割中可能会遇到的一些有待解决的难题,为分割算法的探索和研究明确了目标。其次,为了解决血管分割的难点,论文研究了现有的各种图像分割算法,并分析了各种算法的优缺点,特别对区域生长法和水平集算法进行了认真详细的阐述。根据各种算法的特点,论文研究利用粗分割和细分割相结合的方法分割血管图像,在粗分割中利用区域生长法指导分割,细分割过程应用水平集理论指导。第三,在粗分割血管图像阶段,提出了一种新颖的基于灰色理论区域生长准则的算法,该方法利用全局和局部的图像信息,对观察点与感兴趣区域进行关联度分析,把感兴趣区域从图像中分割出来。与传统区域生长算法的最主要区别就在于:灰色理论区域的生长不完全依赖于初始种子点的选取,不需要大量数据的数学统计,算法简单,高效。在细分割方面,结合粗分割的分割结果,利用窄带宽去优化水平集算法的演化速度,构造了一种极限窄带宽模型并且设置了新的停止准则,极大加快了水平集算法分割的速度。最后,讨论了三维图像分割的难点,并介绍三维图像的预处理应用步骤。在二维图像分割算法研究的基础上,把粗分割和细分割算法进行合理的优化,并应用到三维图像的分割中,最后对研究工作进行了总结和展望。

论文目录

• 摘要
• Abstract
• 引言
• 1 绪论
• 1.1 医学血管分割图像的背景
• 1.2 医学血管分割图像的研究现状
• 1.3 本文的主要内容和结构安排
• 2 灰色理论和水平集方法介绍
• 2.1 医学图像分割概述
• 2.1.1 目前常用的医学图像分割技术
• 2.1.2 医学图像分割算法存在的问题
• 2.2 灰色理论与图像分割
• 2.2.1 灰色理论的概述
• 2.2.2 目前灰色理论的发展现状
• 2.2.3 灰色理论的建模
• 2.2.4 灰色关联理论的基本原理
• 2.3 水平集与图像分割
• 2.3.1 几何曲线的演化理论
• 2.3.2 水平集理论
• 2.3.3 水平集的数值计算
• 2.3.4 水平集方法用于图像分割
• 2.4 本章小结
• 3 基于灰色关联分析的医学图像分割
• 3.1 引言
• 3.2 几种关联度的求解
• 3.2.1 绝对关联度
• 3.2.2 相对关联度
• 3.2.3 综合关联度
• 3.3 基于灰色关联理论的区域生长法
• 3.3.1 观察序列和比较序列的确定
• 3.3.2 灰色关联策略算法流程
• 3.4 实验结果及分析
• 3.5 本章小结
• 4 基于快速水平集方法的图像分割
• 4.1 引言
• 4.2 水平集分割简介
• 4.3 窄带宽水平集算法的实现
• 4.3.1 算法思想介绍
• 4.3.2 窄带的构造
• 4.3.3 算法的停止条件与流程
• 4.4 实验结果及分析
• 4.5 本章小结
• 5 三维医学血管图像的分割
• 5.1 三维血管图像预处理
• 5.2 三维血管图像粗分割
• 5.2.1 种子点确定
• 5.2.2 区域生长准则与生长过度检测准则
• 5.3 三维血管图像细分割
• 5.4 实验结果及分析
• 5.5 本章小结
• 6 总结和展望
• 6.1 本文工作总结
• 6.2 下一步工作展望
• 参考文献
• 在学研究成果
• 致谢