医学图像分割与重建网格模型简化的研究

论文摘要

医学影像处理与分析是目前的一个研究热点问题,是一个多学科交叉的研究领域,是计算机图形学和图像处理在生物医学工程中的重要应用。它涉及数字图像处理、计算机图形学以及医学领域的相关知识。医学影像处理与分析的主要研究内容包括医学图像的预处理;组织或器官的分割与提取;复杂表面多相组织成份三维几何模型的构建;重建模型的表面网格简化;模型的剖切与手术开窗操作等。本文研究的主要内容为医学图像的预处理、组织或器官的分割和三维重建模型的网格简化。分析和总结了国内外学者在这三个方面的研究,本文研究和探讨了几种新的方法,改善现有常用方法存在的不足。本文的创新点和独立工作主要体现在以下几个方面:1.研究和总结了医学影像处理与分析中的医学图像的预处理技术、医学图像的分割技术和虚拟可视化中的三维模型简化技术的现状和存在的问题;2.改进了各向异性扩散的滤波方法,解决了传统滤波方法在去除噪声的同时,也去除了高频边缘信息的问题,同时改进了各向异性扩散滤波滤波速度慢的不足。实验结果证明了该方法的优点。3.研究了基于决策树的头颅MRI图像的分割方法。该方法结合了模式识别、传统图像分割技术和头颅组织空间分布的规律,能自适应的分割颅内组织,实验结果表明该方法是可行而且有效的。4.研究了医学图像序列交互式的分割方法。该方法采用分数阶梯度来改进传统的live wire交互式分割方法,然后运用轮廓插值技术对图像序列进行自动快速的分割。实验结果充分体现了该方法的优点。5.改进了经典的顶点抽取模型简化方法,重新定义了顶点重要性的度量,提高模型简化的质量,结合自适应八叉树的优点,实现三维模型快速简化。实验结果证实了该方法的优点。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 医学影像处理与分析的概况
• 1.2 医学影像处理与分析的研究内容
• 1.3 医学图像分割和三维模型简化技术的现状
• 1.4 本文的主要工作和论文结构
• 第二章 医学图像滤波与分割技术的研究
• 2.1 医学图像滤波方法
• 2.1.1 邻域平均法
• 2.1.2 多幅图像平均法
• 2.1.3 中值滤波器
• 2.1.3.1 传统中值滤波器
• 2.1.3.2 加权中值滤波器
• 2.2 医学图像分割的基本方法
• 2.2.1 传统的医学图像分割算法
• 2.2.2 现代医学图像的分割算法
• 2.3 本章小结
• 第三章 改进的各向异性扩散滤波方法
• 3.1 基于各向异性扩散的滤波技术
• 3.1.1 各向异性扩散方程的引入
• 3.1.2 各向异性扩散方程的离散形式
• 3.1.3 各向异性扩散滤波器去噪原理
• 3.1.4 滤波停止时间
• 3.2 改进的各向异性扩散滤波算法
• 3.3 实验结果和分析
• 3.4 本章小结
• 第四章 基于决策树的头颅MRI 图像的分割方法
• 4.1 MRI 技术和人体头部特征的研究
• 4.2 基于决策树的头颅MRI 图像的分割方法
• 4.2.1 决策树的设计
• 4.2.2 背景区域的分离
• 4.2.3 脂肪组织的分离
• 4.2.4 表皮组织和脑部组织的分离
• 4.2.5 算法实现
• 4.3 实验结果和分析
• 4.4 本章小结
• 第五章 一种医学图像序列交互式的分割方法
• 5.1 改进的 live wire 交互式分割算法
• 5.1.1 传统的live wire 分割算法
• 5.1.2 改进的live wire 分割算法
• 5.1.2.1 分数阶微分
• 5.1.2.2 改进的代价函数
• 5.1.2.3 算法实现
• 5.1.3 单幅医学图像交互式分割实验结果和分析
• 5.2 医学图像序列的分割
• 5.2.1 轮廓插值
• 5.2.2 医学图像序列分割的实验结果和分析
• 5.3 本章小结
• 第六章 三维重建模型简化技术研究
• 6.1 三维重建模型简化技术概述
• 6.2 几种主要的三维重建模型简化方法
• 6.2.1 顶点聚类方法
• 6.2.2 区域合并方法
• 6.2.3 小波分解方法
• 6.2.4 迭代收缩方法
• 6.2.5 顶点抽取
• 6.3 本章小结
• 第七章 一种改进的顶点抽取模型简化方法
• 7.1 经典的顶点抽取方法
• 7.2 改进的顶点抽取方法
• 7.2.1 顶点权值的定义
• 7.2.2 基于自适应八叉树的顶点抽取
• 7.2.3 改进后的顶点抽取算法实现
• 7.3 实验结果和分析
• 7.4 本章小结
• 第八章 结论与展望
• 参考文献
• 致谢
• 攻读硕士学位期间的研究成果