数字人脑切片图像自动分割算法的初步研究

论文摘要

数字人是综合应用现代科学技术,尤其是计算机科学和解剖学,对人体信息的数字化进行探讨的新兴研究领域。作为器官和组织三维重建的基础,切片图像的准确分割在数字人体模型建立的过程中起着至关重要的作用。目前,国内外主要通过半自动或手工的分割方法实现,对于处理海量的人体切片数据集来说显然是非常耗时耗力的。因此,开发准确的自动分割算法对于解决这一问题具有重要意义。本文以首例中国女性数字人数据集中的脑部切片图像为研究对象,在分析切片图像特点和脑部不同解剖结构特点的基础上,提出了四种自动化程度较高的分割算法,以实现对脑组织和脑白质的连续分割。第一种是基于数学形态学的分割方法。该算法首先通过形态重构获得粗糙的脑组织区域,然后运用腐蚀和膨胀运算进行边界定位分割出了脑组织。第二种是基于模板缩放的分割算法。该算法首先将图像序列分段,通过在每一段中采用基于边缘检测的方法获得单张分割模板,然后进行形态学运算控制模板缩放来实现图像的连续自动分割。第三种是改进的区域生长方法。该方法通过种子点扩张结合形态重构获得分割结果,在种子点选取过程中使用邻域灰度平均的思想,通过设定灰度阈值判定目标像素获得分割结果,同时,总结了区域生长过程中种子点选取的原则,并验证了此原则的通用性。第四种是基于RGB空间聚类的分割方法。该算法通过对图像的R、G、B颜色直方图分析确定聚类中心,以颜色间的欧式距离为标准聚集同类像素。应用上述方法分别对序列脑部切片中大脑组织、小脑携脑干组织、大脑白质和小脑携脑干白质进行了连续自动分割。为了评价分割效果,一方面将自动分割结果与手工分割结果进行对比,并采用DSI系数进行定量分析,另一方面对分割结果进行三维重建。结果表明本文提出的分割算法准确有效、能够扑捉到复杂组织的细节信息、大大减少了人工参与,适用于海量切片图像的快速自动分割,从而为进一步构建精确的数字化人脑模型创造了条件。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 数字人及其研究意义
• 1.2 数字化可视人的研究现状
• 1.3 医学图像分割及其研究现状
• 1.4 课题研究的内容和意义
• 1.5 论文的组织结构
• 2 数据准备
• 2.1 数字人体数据集的获取
• 2.2 切片图像的配准与去背景
• 2.3 课题数据来源
• 2.4 人脑的解剖结构与数据集特征分析
• 2.5 本章小结
• 3 图像预处理
• 3.1 图像裁剪与格式转换
• 3.2 图像滤波
• 3.2.1 超限邻域平均滤波
• 3.2.2 高频增强滤波
• 3.2.3 中值滤波
• 3.2.4 滤波结果
• 3.3 本章小结
• 4 脑组织的分割
• 4.1 基于数学形态学的大脑组织分割
• 4.1.1 数学形态学的基本原理
• 4.1.2 基于数学形态学的大脑组织分割方法
• 4.1.3 分割结果与分析
• 4.1.4 抗噪性验证
• 4.2 基于模板缩放的小脑携脑干组织分割
• 4.2.1 基于模板缩放分割的基本原理
• 4.2.2 基于模板缩放的小脑携脑干组织分割方法
• 4.2.3 分割结果与分析
• 4.3 脑组织分割结果的三维重建与分析
• 4.4 本章小结
• 5 脑白质的分割
• 5.1 基于区域生长的大脑白质分割
• 5.1.1 区域生长的基本原理
• 5.1.2 基于区域生长的大脑白质分割方法
• 5.1.3 大脑白质的分割过程与结果分析
• 5.2 基于RGB 聚类的小脑携脑干白质分割
• 5.2.1 基于RGB 聚类分割法的基本原理
• 5.2.2 基于RGB 聚类的小脑携脑干白质分割方法
• 5.2.3 分割过程与结果分析
• 5.3 脑白质分割结果的三维重建与分析
• 5.4 本章小结
• 6 总结与展望
• 6.1 全文工作总结
• 6.2 存在的问题与展望
• 致谢
• 参考文献
• 附录
• A 主要程序
• B 论文发表情况