基于目标形状的脑CT图像特征提取

论文摘要

医学图像的分割和特征提取是医学图像处理中的关键技术,它们是医学图像识别的前提并为计算机辅助诊断提供了重要的信息。特征提取是标识图像的关键一步,如何准确、充分的提取图像信息,并以适当的方式表示出来,将直接影响分类的精度和效率。形状信息不会随物体的颜色发生变化,是物体稳定的特征。因此,形状特征既是图像的核心特征,又是进行图像识别的关键信息之一。本文根据脑CT的特点,对脑CT图像分割和形状特征提取进行了研究。首先,本文在深入分析脑CT图像的基础上,根据CT图像不同层面的具体结构,采取了不同的分割方法：改进的自适应阈值算法和改进的区域增长算法。从实验结果来看,取得了比较理想的效果,为后续的特征提取打下了良好的基础。其次,结合脑CT图像病症特点,为了获取最佳特征组合,根据图转树的思想,实现了一种综合考虑相邻部位个数提取形状特征的方法。通过对临床病例数据的检验分析,表明该方法能获得较高的诊断正确率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及意义
• 1.2 研究状况
• 1.2.1 图像分割
• 1.2.2 形状特征
• 1.3 本文主要研究内容
• 第2章 脑CT图像相关知识
• 2.1 CT图像成像原理和图片特点
• 2.1.1 CT成像原理
• 2.1.2 CT的图片特点
• 2.1.3 CT图像的窗宽与窗位
• 2.2 颅脑CT的相关知识
• 2.2.1 解剖学知识
• 2.2.2 颅脑CT值分布
• 第3章 基于脑CT的图像分割
• 3.1 图像分割的定义
• 3.2 医学图像分割算法的特点
• 3.3 医学CT图像常用分割算法介绍
• 3.4 分割算法的性能评价
• 3.5 改进的脑CT分割算法
• 3.6 实验结果分析
• 第4章 脑CT图像的形状特征提取
• 4.1 形状特征
• 4.1.1 形状特征的描述
• 4.1.2 形状特征的提取
• 4.2 基于目标形状的脑CT图像特征提取算法
• 4.2.1 算法设计
• 4.2.2 数据特点
• 4.2.3 实验结果及分析
• 第5章 结束语
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间撰写的论文
• 致谢