基于改進圖割算法的腦部MRI分割技術研究.pdf

1、圖像分割在圖像學中是比較底層的技術，它為計算機視覺研究、深層次的圖像分析打下基礎。近年來，隨著醫(yī)療領域的不斷擴大和發(fā)展，各種各樣的醫(yī)療設備也不斷的出現(xiàn)，這為臨床醫(yī)學提供了大量的影像數(shù)據(jù)，很多學者將計算機視覺和臨床醫(yī)學結合在一起，利用圖像分割工具來輔助醫(yī)生定量分析醫(yī)學影像，從而進行診斷和擬定完善診斷方案。其中大腦作為人體最主要的核心器官，很多精神疾病心理疾?。ň翊魷⒗夏臧V呆、多動癥及妄想癥等等）都和大腦內一些組織結構息息相關，因此，研

2、發(fā)出一種能夠快速準確的提取這些組織結構的工具和技術顯得刻不容緩。
　　在過去的幾十年里，圖割優(yōu)化技術因其易擴展，速度快，而受到廣大研究者的歡迎，將其應用于圖像分割領域。由于腦部MRI具有組織結構的復雜性，各組織之間的灰度的對比度不大，灰度分布也不勻等特殊性，應用傳統(tǒng)的圖割算法進行分割可能出現(xiàn)邊界萎縮及局部最優(yōu)的情況，因此為了達到更好的分割腦部組織結構的目的，本文深入研究了圖割理論，在傳統(tǒng)圖割算法的基礎之上做出了一些改進。
　

3、　為了克服原始圖割算法在操作者選擇較少像素種子點的情況下，目標邊緣很容易發(fā)生錯誤分割這一現(xiàn)象，本文提出了基于k-means和圖割(Graph Cut GC)算法相結合的KMGC算法，對腦部核磁共振成像（BrainNuclearMagnetic Resonance ImagingMRI）進行交互式操作，該算法通過k-means聚類，對腦部MR圖像的灰度分布不均勻作了處理，在此基礎上，再使用圖割算法進一步對腦部MR圖像進行細化，從而達到有效

4、地分割腦白質和腦灰質的目的。本文不僅對腦白質和腦灰質進行分割，還對腦灰質中深層核團-尾狀核組織進行了分割，但由于尾狀核在灰質中對比度很低，邊界模糊等特點，要想把它們從灰質中分割出來，僅利用圖像灰度信息是不夠的，因此本文提出了基于自適應模糊連接度和graph cut相結合的方法（adaptive fuzzy connectedness combined with graph cut AFCGC）對尾狀核進行分割，并分別對本文第三章和第四章