幾何活動輪廓模型在醫(yī)學MR圖像分割中的應用研究.pdf

1、核磁共振成像(Magnetic Resonance Imaging，MRI)以其無損傷、無痛苦、適合軟組織診斷等特點，已被廣泛運用于醫(yī)學圖像拍攝，并在臨床醫(yī)學上起著越來越重要的作用。MR圖像分割是對MR圖像進行分析的基本步驟，也是利用MR圖像進行定性、定量分析的一個至關重要的環(huán)節(jié)。然而在MR醫(yī)學圖像處理與分析中，對目標和病灶的識別、定位及定量分析還主要依賴圖像的手動分割。隨著MR醫(yī)學成像在臨床應用中越來越廣泛，迫切需要利用計算機算法對解

2、剖結構或感興趣區(qū)域進行自動分割描述。分割的準確性對醫(yī)生判斷疾病的真實情況并做出相應的診斷計劃至關重要，因此研究自動或半自動分割方法是非常重要的。 目前，活動輪廓模型已經(jīng)成為醫(yī)學圖像分割的重要工具，其中幾何活動輪廓模型因其能夠很好的解決曲線演化時的拓撲結構而受到廣泛的關注。本文針對這類圖像分割方法進行了詳細的研究。 首先，介紹了幾何活動輪廓模型，分析了曲線演化理論、水平集方法和幾何活動輪廓模型的水平集表達，以及介紹了目前國

3、內(nèi)外學者對水平集快速算法的一些比較成功的改進方法。 其次，傳統(tǒng)水平集模型在定義速度時，往往僅使用了圖像的邊緣信息，這樣必然導致在分割具有強噪聲或具有弱邊界的圖像目標時，不能得到真實邊界，為此提出了基于區(qū)域信息的水平集模型。它首先用形態(tài)學方法及其優(yōu)化方法將圖像背景部分去除，減小其對分割結果的影響；其次使用區(qū)域統(tǒng)計信息定義速度函數(shù)，防止曲線演化時從弱邊界泄露，該模型對含有噪聲或含有弱邊界的圖像分割的準確性有了較大的提高。 再

4、次，分析了基于圖像全局信息的水平集模型，即CV模型。針對其迭代過程要對所有圖像數(shù)據(jù)反復進行計算，時間效率低，難以實時應用的問題，提出了CV模型的快速算法，它使用符號矩陣區(qū)分曲線內(nèi)外點，用直方圖分別統(tǒng)計這兩個區(qū)域的點的信息，按直方圖統(tǒng)計順序分別改變像素點的符號，再根據(jù)曲線能量增減情況修改對應點的符號以及兩個區(qū)域的均值，最后采取改進的小鄰域均值法對結果進行優(yōu)化，在去除小噪聲點的同時保留角點信息。對MR圖像進行的分割實驗表明，其分割效果更好，

5、速度有大幅度的提高。并將該方法擴展到多相位CV水平集模型中，提出多相位CV模型的快速算法，并應用于人腦MR圖像的分割，取得了很好的效果。 最后，針對多相位CV水平集模型在分割含多目標圖像時，其求解過程中很難控制多個曲線演化方程的耦合且當目標較多時該方法計算較為復雜的問題，提出一種多目標圖像的分割模型，它首先對圖像進行預分割得到初始曲線，避免分割結果陷入局部最優(yōu)，其次對Heaviside函數(shù)進行改進，使其能準確的計算均值信息，將其