基于MAP-EM算法的医学图像分割技术研究

论文摘要

随着影像医学在临床的应用越来越广泛,图像处理技术在影像医学中发挥着越来越大的作用。图像分割是提取医学图像中特定组织的定量信息的不可缺少的手段,同时也是实现特定组织可视化及后续分析的前提。由于医学图像的复杂性和多样性,目前还没有一种普适的分割算法可用于所有的医学图像处理,只能根据特定的问题选择合适的分割算法。因此,医学图像分割始终是医学图像处理中重要且热点的研究课题。传统的分割方法通常认为每个体素仅包含一种类型组织,但在实际成像中,由于部分容积效应的影响,靠近边界的每个体素可能包含多种类型组织,用传统方法很难得到准确的分割结果,导致图像的定量分析难以有效开展。MAP-EM算法用组织混合模型模拟部分容积效应,在最大后验概率的前提下,用EM算法同时估计组织混合比和图像统计参数,最后根据组织混合比完成分割。但目前提出的MAP-EM算法均采用固定的权重和惩罚因子,在噪声抑制和边缘保持之间难以有效权衡。为了提高分割的准确性,本文对MAP-EM算法进行了改进,提出了基于自适应权重和惩罚因子的混合分割算法。心血管疾病和膀胱癌一直威胁着人类生命健康,冠脉斑块和膀胱壁的准确分割,对预防、诊断和治疗这两种疾病有着重要的临床意义。为了验证算法在临床应用中的有效性,本文采用改进后的MAP-EM分割算法,通过提高初始化的准确度,并在迭代过程中充分利用邻域信息,对冠脉增强CT图像中的易损斑块及膀胱MRI成像中的膀胱壁进行了分割。通过和有经验的临床医生手工分割结果相比较,与原有算法相比,改进算法在噪声抑制和边缘保持方面有较强的优越性,有效提高了分割结果的准确性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 图像分割定义
• 1.2 医学图像分割的目的和意义
• 1.3 医学图像分割面临的困难
• 1.4 论文主要内容和结构安排
• 第二章 医学图像分割方法综述
• 2.1 医学图像分割技术发展
• 2.2 图像分割方法概述
• 2.2.1 基于区域的分割方法
• 2.2.2 基于边界的分割方法
• 2.2.3 结合特定理论分割技术
• 2.3 医学图像分割的特点
• 2.4 医学图像分割结果评价
• 2.5 本章小结
• 第三章 MAP-EM分割算法
• 3.1 最大后验概率
• 3.2 期望最大算法
• 3.3 马尔科夫随机场理论
• 3.4 MAP-EM算法
• 3.5 MAP-EM算法改进
• 3.5.1 参数初始化
• 3.5.2 权值自适应
• 3.5.3 惩罚因子自适应
• 3.6 本章小结
• 第四章 MAP-EM算法在冠脉斑块分割中的应用
• 4.1 冠脉易损斑块分割的目的和意义
• 4.2 MAP-EM算法分割易损斑块
• 4.3 实验与结果分析
• 4.3.1 实验设计及对象
• 4.3.2 实验结果及评价
• 4.4 本章小结
• 第五章 MAP-EM算法在基于MRI图像的膀胱壁提取中的应用
• 5.1 提取膀胱壁的目的和意义
• 5.2 MAP-EM算法在膀胱壁分割中的应用
• 5.2.1 MRI成像及序列的选择
• 5.2.2 图像预处理
• 5.2.3 图像分割过程
• 5.3 实验与结果分析
• 5.3.1 实验数据采集
• 5.3.2 数据分割结果
• 5.3.3 和改进前分割结果比较
• 5.3.4 分割结果评价
• 5.4 本章小结
• 总结与展望
• 致谢
• 参考文献
• 硕士期间发表的论文