医学图像分割与配准方法研究

论文摘要

作为医学图像处理与分析的基础,医学图像的配准和分割是医学图像分析领域中最基本的问题,是医学图像处理领域的研究热点,也是临床诊断、虚拟手术和人体动态模拟中急需解决的难点问题和关键问题。本文对图像的分割与配准方法作了一些新的尝试,研究了可变模型的原理、实现,并对基于可变模型进行图像分割的方法进行了深入探讨,提出了一些新的思路和改进算法;研究了基于最大互信息的图像配准方法,针对其计算量大的缺点,先用力矩主轴法进行粗略配准,在此基础上进行精确配准,以减小整体的计算代价。论文的主要工作和创新点包括;1、在图像分割中,通过将边缘点分类,然后对分类后的边缘点进行筛选,并利用滞后阈值化,获取一条初始边缘线,然后用Snake模型对该线进行调解,得到最后的边缘。2、针对水平集方法效率不高的缺点提出了一种改进方案;预先将像素分为两类,对两类像素定义不同的演化速度,以达到提高效率的目的,并通过实验证明了新思路的优势。3、对于目前应用非常广泛的最大互信息配准方法,针对人体CT图像的特点,提出了先粗略配准再优化的策略。即先通过配准两幅图像中同一部位的分割结果达到粗略配准的目的,并根据“粗”配参数给出“细”配参数的初始值;再以互信息为配准的代价函数,以powell算法为其优化算法,求取最优配准参数。实验结果表明;该方法具有配准精度高、速度快以及抗嗓能力好等特点,是一种有效的全自动配准方法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景及意义
• 1.2 图像分割和配准技术研究现状
• 1.3 本文贡献
• 1.4 各章节安排
• 第2章 医学图像分割方法
• 2.1 Snake模型
• 2.1.1 原理
• 2.1.2 数值解法
• 2.1.3 基于Snake的图像分割方法
• 2.2 Level Set方法
• 2.2.1 原理
• 2.2.2 数值解法
• 2.2.3 曲线演化的步骤
• 2.2.4 基于水平集的图像分割方法
• 第3章 医学图像配准
• 3.1 医学图像配准
• 3.2 医学图像配准的分类
• 3.2.1 按受试对象分类
• 3.2.2 按配准的模态信息分类
• 3.2.3 图像维数分类
• 3.3 医学图像配准的方法
• 3.3.1 点配准法
• 3.3.2 曲线法
• 3.3.3 表面法
• 3.3.4 矩和主轴法
• 3.3.5 相关法
• 3.3.6 图谱法与非线性变换技术
• 3.3.7 最大互信息配准法
• 3.4 医学图像配准优化算法
• 第4章 力矩主轴法与最大互信息法相结合的优化配准方法
• 4.1 力矩主轴法进行配准
• 4.2 互信息法原理
• 4.3 配准结果
• 第5章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间参与的项目
• 学位论文评阅及答辩情况表