MRA脑图像的血管中轴提取研究

论文摘要

磁共振血管造影（Magnetic Resonance Angiography, MRA）与CTA、DSA相比更具无创性、安全性,由于其具有无辐射性损害,造影剂反应和并发症显著减少等优点,因而得到了十分广泛的应用。在诊断和治疗脑血管疾病的临床实践中,MRA脑图像的血管中轴线提取是血管定量分析、三维重建等相关问题的基础,本文就MRA脑图像的血管中轴线提取这一问题展开了研究。首先采用中值滤波对MRA脑图像进行平滑,然后分别采用形态学Top-hat变换和高斯匹配滤波法对平滑之后的图像进行增强处理。在分别用最佳熵阈值的方法分割之后,两幅分割图像都存在各自的缺点。为了融合二者的优点,本文研究了基于血管区域特征融合的分割方法,实验结果表明,本文方法得到了更好的分割效果。采用基于数学形态学的方法对血管二值图像细化可以得到初始的血管中轴线,为了得到更为精确的血管中轴线,本文研究了基于Gabor滤波和血管横断面特征的血管中轴线提取改进算法。通过多尺度多方向的Gabor滤波器探测出初始中轴点的最大输出响应方向作为该点的血管方向,垂直于血管方向的血管横断面上的灰度特性符合高斯函数特征模型,在血管横断面上取采样点拟合成高斯函数曲线可以求出初始中轴点与改进后中轴点的相对位置,遍历初始中轴点之后可以得到精确的血管中轴线。实验结果分析表明,该算法能够很好地改善血管中轴线的精度。同时,本文还利用Gabor滤波提供的尺度信息进行血管直径的估计,把多尺度多方向Gabor滤波器的最大响应值对应的尺度作为血管直径,为医疗诊断、定量分析以及血管三维重建提供必要的数据。文章最后,介绍了血管中轴提取软件平台的设计与实现。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 中轴提取研究的背景与意义
• 1.1.1 中轴提取研究的背景
• 1.1.2 中轴提取研究的意义
• 1.2 中轴提取的研究现状
• 1.3 本文的主要研究工作和论文的组织结构
• 第2章 MRA脑图像的预处理
• 2.1 引言
• 2.2 医学图像的平滑
• 2.2.1 线性滤波
• 2.2.2 中值滤波
• 2.2.3 自适应滤波
• 2.3 医学图像的增强
• 2.3.1 灰度变换法
• 2.3.2 直方图变换
• 2.4 MRA脑图像增强
• 2.4.1 血管减影增强
• 2.4.2 形态学Top-hat变换
• 2.4.3 高斯匹配滤波增强
• 2.5 本章小结
• 第3章 基于血管区域特征融合的MRA脑图像分割
• 3.1 引言
• 3.2 图像分割的定义及分类
• 3.2.1 基于区域的分割方法
• 3.2.2 基于边缘检测的方法
• 3.2.3 结合特定理论和工具的分割技术
• 3.3 基于血管区域特征融合的MRA脑图像分割
• 3.3.1 最佳熵阈值分割
• 3.3.2 血管区域融合方法
• 3.4 实验结果及分析
• 3.5 本章小结
• 第4章 MRA脑图像的血管中轴提取及血管直径估计
• 4.1 引言
• 4.2 一般细化算法
• 4.3 基于数学形态学的细化算法
• 4.3.1 数学形态学基本理论
• 4.3.2 数学形态学细化
• 4.4 基于Gabor滤波和血管横断面特征的血管中轴提取改进算法
• 4.4.1 二维Gabor滤波器
• 4.4.2 基于多尺度Gabor滤波器的方向探测
• 4.4.3 血管横断面特征函数
• 4.4.4 血管中轴线提取改进算法
• 4.5 血管直径估计
• 4.6 实验结果及分析
• 4.7 本章小结
• 第5章 血管中轴提取软件平台的设计与实现
• 5.1 引言
• 5.2 软件设计
• 5.2.1 平台构建的一般步骤
• 5.2.2 图形用户界面简介
• 5.2.3 软件平台模块设计与算法流程
• 5.3 软件实现
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文
• 作者简介