面向海马区的脑部MRI图像分割算法研究

论文摘要

随着医学影像处理与分析学科的发展,在医学影像的图像分割领域中出现了很多新的方法。但是其中的许多方法都专门应用于特定的处理对象,对于一般对象并无通用的理论或方法,并且若不区分对象而应用该方法,得到的分割结果可能不理想。对脑部海马区MRI图像进行分割是对海马组织进行体积测量、三维重建的关键和基础,而海马结构的体积测量是颞叶癫痫、阿尔茨海默病、精神分裂症等神经系统疾病的临床诊断的有效方法。因此开展面向脑部海马MRI图像分割算法的研究具有重要意义。本文从算法的设计、算法性能的评价与平台的构建等3个方面进行了脑部海马MRI图像分割算法的研究。在算法设计方面,首先在对现有的各种医学图像分割算法进行全面介绍的基础上,简要分析了脑部海马区的生理解剖结构和MRI图像的特点,通过对基于Snake模型的图像分割算法的分析,提出了基于GVF Snake模型的海马MRI图像分割算法,该算法以梯度向量场作为外力,解决了凹形边缘的检测问题,其次针对参数主动轮廓模型速度慢且对初始轮廓仍然敏感的问题,本文提出了基于几何主动轮廓模型的海马MRI图像分割方法,并深入分析了基于传统的水平集分割方法和经典的C-V模型分割算法的优缺点。最后,针对传统几何主动轮廓模型对模糊、灰度不均匀的MRI图像容易造成海马边缘分割不清晰或多分割的问题,提出了基于区域和边缘信息的水平集分割方法,克服了传统方法漏分割的缺点,取得了良好的分割效果,并且提高了分割速度。在算法性能评价方面,本文在总结常用的评价方法的基础上,提出了适合海马分割的综合评价模型,实验结果验证了本文提出的综合评价模型的合理性和可靠性。在平台构建方面,本文详细介绍了基于本文算法的分割平台的设计与实现过程,并通过实验验证了所构建平台的可行性,同时实验结果显示了本文算法对海马分割的准确性和可靠性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 课题研究背景及意义
• 1.2.1 课题的背景
• 1.2.2 课题的意义
• 1.3 国内外研究现状
• 1.4 论文的主要内容和组织结构
• 第2章 医学图像分割算法
• 2.1 引言
• 2.2 医学图像分割的任务与特点
• 2.2.1 医学图像的来源
• 2.2.2 医学图像分割的任务
• 2.2.3 医学图像分割的特点
• 2.3 医学图像常用的分割方法
• 2.3.1 基于边缘的分割方法
• 2.3.2 基于区域的分割方法
• 2.3.3 基于数学形态学的分割方法
• 2.3.4 基于神经网络的分割方法
• 2.3.5 基于模糊技术的分割方法
• 2.3.6 基于主动轮廓模型的分割方法
• 2.4 小结
• 第3章 面向海马区MRI图像的分割算法设计与实现
• 3.1 引言
• 3.2 人类大脑海马区解剖结构及MRI图像特征
• 3.2.1 大脑海马解剖结构
• 3.2.2 大脑海马MRI图像特征
• 3.2.3 本文实验材料的获取
• 3.3 基于GVF Snake模型的海马区MRI图像的分割
• 3.3.1 主动轮廓模型算法分析
• 3.3.2 基于梯度矢量流的主动轮廓模型
• 3.3.3 基于GVF Snake模型的海马分割算法实现
• 3.3.4 实验结果
• 3.4 基于区域和边缘信息的水平集海马区MRI图像的分割
• 3.4.1 水平集方法基本理论
• 3.4.2 基于C-V模型的水平集海马图像分割算法分析
• 3.4.3 基于区域和边缘信息的水平集海马图像分割算法实现
• 3.5 小结
• 第4章 面向海马区MRI图像的分割算法分析与评价
• 4.1 引言
• 4.2 医学图像分割算法评价常用方法
• 4.2.1 医学图像分割算法评价问题描述
• 4.2.2 医学图像分割算法常用评价方法
• 4.2.3 评价测度
• 4.3 面向海马区MRI图像的分割算法分析与评价
• 4.3.1 实验结果
• 4.3.2 面向海马区分割算法的综合评价模型
• 4.4 小结
• 第5章 海马区分割算法实验平台的设计与实现
• 5.1 引言
• 5.2 基于MATLAB的海马分割算法平台的关键技术
• 5.2.1 图像工具箱
• 5.2.2 图形用户界面（GUI）
• 5.3 基于MATLAB海马区分割算法实验平台的设计与实现
• 5.3.1 平台总体框架设计
• 5.3.2 平台设计软件流程图
• 5.3.3 平台主界面及各个模块介绍
• 5.4 小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 硕士期间完成论文情况