基于GVF Snake模型的宫颈细胞LCT图像自适应分割

论文摘要

宫颈癌的及早发现和治疗能大大降低宫颈癌的死亡率,实行普遍的宫颈癌筛查具有重要意义。目前基本上采用的检查技术是宫颈涂片筛查,涂片筛查技术采用的仍然是人工阅片方式,这种方式效率低且易受人主观因素的影响,会降低筛查的准确率。于是,研发宫颈癌计算机辅助诊断筛查系统,用机器分析代替人工阅片,既能提高效率又可以降低对人的依赖,提高筛查的准确率,具有重大意义。目前存在多种宫颈涂片筛查技术,其中液基细胞学检验技术(简称LCT)是一种新兴的筛查技术,它具有制片速度快、质量高的优点,所以该技术被国内医院普遍采用,代表着未来的一种发展趋势。本文的研究对象就是宫颈LCT细胞图像,先与医院专家进行沟通及进行实验分析,然后得出宫颈LCT细胞图像的特点;于是根据这些特点,基于GVF Snake模型,提出一种自适应分割宫颈LCT细胞图像的算法。Snake模型是一种基于参数轮廓曲线的图像分割算法,结合了底层图像信息和高层知识,在高层知识的指导下和图像能量的驱动下,轮廓曲线被吸引至能量最小处,即目标边缘处。这种算法在很大程度上弥补了传统医学图像分割技术的缺点,但是它本身还是存在一些缺陷,主要是作用范围小和不能将曲线拉向凹处。鉴于这些情况,提出了GVF Snake模型,该模型用GVF场代替传统的高斯势能场,有效解决了传统Snake模型存在的问题,被广泛应用于图像分割。本文对GVF Snake模型的基本理论进行了研究,并根据宫颈LCT图像的特点,提出了一种基于GVF Snake模型的自适应分割算法。首先设置模型参数并用模型进行分割,评价分割结果,若判定结果好则停止,反之则调整模型参数继续进行分割,直至得到认为好的结果或是不满足某些条件。进行大量实验,实验结果表明,该算法能达到很好的分割效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究目的及意义
• 1.2 细胞图像分割的国内外研究现状
• 1.3 本文研究内容及各章节内容安排
• 第二章 宫颈细胞LCT 图像
• 2.1 宫颈涂片检验技术
• 2.2 宫颈细胞LCT 图像的特点
• 2.3 宫颈细胞LCT 图像分割的难点
• 2.4 本章小结
• 第三章GVF Snake 模型的分析
• 3.1 活动轮廓模型的概述
• 3.2 传统Snake 模型基本原理
• 3.3 GVF Snake 模型的基本原理
• 3.3.1 边缘映射图
• 3.3.2 梯度矢量流
• 3.3.3 GVF 场的数值实现
• 3.4 GVF Snake 模型仿真实验
• 3.5 本章小结
• 第四章 基于GVF Snake 模型的宫颈细胞LCT 图像自适应分割
• 4.1 基于GVF Snake 模型的宫颈细胞LCT 图像自适应分割算法
• 4.1.1 初始轮廓的选取
• 4.1.2 分割算法的实现过程
• 4.1.3 分割结果的评价及参数的调整策略
• 4.2 实验结果与分析
• 4.3 本章小结
• 结论与展望
• 参考文献
• 致谢