基于PSO-SVM的膝關節(jié)軟骨分割算法研究.pdf

1、骨關節(jié)炎早期診斷很重要,其臨床表現(xiàn)通常為軟骨退行性變性和消失,通過對關節(jié)軟骨的成像及圖像處理可以捕捉軟骨的變化并實現(xiàn)早期診斷。關節(jié)軟骨圖像的自動分割是圖像處理的重要環(huán)節(jié),具有客觀性、可量化等優(yōu)點。遺憾的是,目前很少公開報道關于關節(jié)軟骨圖像的自動分割方法,且現(xiàn)有的方法大多采用單一方法,效果難以令人滿意,因此急需要研究高效的關節(jié)軟骨圖像自動分割方法。
　　基于以上分析,以膝關MRI序列為研究對象,綜合利用多種圖像分割算法,旨在實現(xiàn)一種

2、高效的關節(jié)軟骨圖像自動分割方法,精確、快速地分割出軟骨組織,便于為臨床醫(yī)師計算軟骨組織厚度和體積,觀察不同時期厚度和體積的變化提供有利依據(jù),從而進行診斷和治療。關節(jié)軟骨圖像存在形態(tài)紋理復雜、噪聲嚴重、軟骨與非軟骨之間邊界模糊等問題,影響了分割效果。為了解決這些問題,主要做了如下主要工作:
　?、偈紫妊芯坎⑻岢隽烁倪M自適應Canny邊緣檢測算子,通過計算每幅圖像的梯度值經(jīng)過反復迭代可得出各自的最佳閾值;然后為了解決邊緣提取中出現(xiàn)的漏

3、檢和過檢問題,本文提出了采用PSO-SVM來對邊緣進行分類,從而較好的保留軟骨邊緣,實現(xiàn)了軟骨的精確定位。
　?、诨趨^(qū)域灰度差的新相似性準則,解決了傳統(tǒng)的區(qū)域生長算法僅僅依靠圖像的局部性質確定固定的生長準則效果不佳的問題;此外,采用PSO對新的相似性準則中的調整系數(shù)進行了優(yōu)化,提升了改進的區(qū)域生長算法的性能;最后組織實驗將本文提出的改進的區(qū)域生長算法與其他相關分割算法進行對比分析。
　　本文研究成果將為關節(jié)軟骨圖像自動分割