醫(yī)學圖像處理中的分割與檢索關鍵技術研究.pdf

1、隨著多媒體技術在醫(yī)學應用領域中的日益普及和發(fā)展，各種醫(yī)學圖像處理系統(tǒng)在臨床、教學、科研以及醫(yī)學圖像存儲、檢索和通信系統(tǒng)中都發(fā)揮著重要的作用。然而，現(xiàn)有的醫(yī)學圖像處理技術還不夠成熟，診斷效果往往不夠理想，誤診率較高。如何將圖像處理中的關鍵技術與醫(yī)學圖像進行有機的結合，為醫(yī)師提供科學、便捷、準確的醫(yī)療手段，并為其診斷提供輔助性的建議，成為人們的主要研究目標。 鑒于上述目標，醫(yī)學圖像技術圍繞著醫(yī)學圖像成像技術和醫(yī)學圖像處理與分析技術的

2、研究，很快成為近幾年來的新興交叉學科，它不僅能夠基于現(xiàn)有的醫(yī)學影像設備，極大地提高臨床醫(yī)療水平，而且為醫(yī)學研究與教育、計算機輔助臨床手術等提供數字實現(xiàn)手段，為醫(yī)學的研究與發(fā)展奠定堅實的基礎，具有不可估量的價值。 本文以國家自然科學基金項目“數字人工程中數據分割和帶約束的擬合問題研究”和山東省自然科學基金項目“CT圖像處理中的分割、擬合問題研究”為依托，重點分析了醫(yī)學圖像分割技術、醫(yī)學圖像檢索技術及以三維醫(yī)學圖像檢索為目的的三維建

3、模技術在醫(yī)學圖像處理領域中的應用需要和存在問題，并對上述幾個關鍵問題進行了系統(tǒng)的、較為全面的研究。論文的主要工作和創(chuàng)新點包括以下幾點： (1)基于上下文標引樹的多尺度MRF分割算法 二維醫(yī)學圖像分割處于醫(yī)學圖像的預處理階段，它對于醫(yī)學研究、臨床診斷、病理分析及治療等應用有重要意義，且通過醫(yī)學圖像的分割處理，盡可能自動地分割出二維切片圖像中部分人體器官的邊界，以便對下一步的圖像檢索和三維建模提供重要輔助。該方法在多尺度馬爾

4、可夫隨機場(Markov Random Field，MRF)分割模型的基礎上，為了兼顧大窗口的統(tǒng)計可靠性和小窗口的局部清晰性，將多種尺度分割窗的思想引入MRF分割模型，克服了固定尺度MRF中難處理的常量問題，并提出將多尺度MRF與上下文標引樹的有效結合，同時考慮了同一尺度層上不同數據子塊之間依賴關系以及跨尺度數據子塊之間的繼承關系，得到了理想的分割效果。 實驗對傳統(tǒng)的Canny邊緣檢測分割方法和本文方法進行比較，又對三種本文涉及

5、的分割方法進行了比較，結果表明基于上下文標引樹的多尺度MRF模型優(yōu)于樹狀結構的多尺度MRF模型，樹狀結構的多尺度MRF模型優(yōu)于固定尺度的MRF模型，并利用“像素錯分率”對上述三種分割策略的效果進行有力說明。 (2)顯著點與關鍵塊相結合的局部醫(yī)學圖像檢索方法 隨著醫(yī)學圖像數量的急劇增長，醫(yī)學工作者和相關科研人員如何從眾多的圖像中快速、準確地找到所需要的圖像成為亟待解決的重點和難點問題。在臨床診斷中，當醫(yī)生遇到了難確診的病癥

6、時，利用圖像檢索這一功能，在患者數字圖書館或醫(yī)學圖像知識庫中找出具有相同病理特征的相似醫(yī)學圖像，這些已確診的病例可為醫(yī)生診斷、疾病治療或手術規(guī)劃等提供進一步參考。 本文提出的第一種醫(yī)學圖像檢索方法是顯著點與關鍵塊相結合的局部醫(yī)學圖像檢索方法，它利用小波變換提取圖像的顯著點，然后，將圖像劃分成均勻的圖像數據塊，并根據顯著點的分布情況將圖像塊分為有顯著點的和無顯著點兩類。最后，提取圖像數據塊的底層視覺特征矢量，將兩幅圖像之間的匹配轉

7、換成圖像塊之間的匹配。在圖像檢索時，提出圖像匹配算法，對上述兩類圖像塊分別進行相似性度量，并對得到的結果加以不同的權重，以給予顯著點和關鍵塊更多的自由度，從而實現(xiàn)用戶對醫(yī)學圖像不同要求的檢索。 通過總體和局部兩套實驗方案，說明了顯著點與關鍵塊相結合的局部醫(yī)學圖像檢索方法在查準率和查全率方面要優(yōu)于單純考慮顯著點或關鍵塊的檢索方法。并且，將傳統(tǒng)的灰度直方圖檢索方法與本文提出的方法進行了對比，結果表明后者明顯優(yōu)于前者。 (3)

8、基于對象間空間位置關系的醫(yī)學圖像檢索方法 這是本文提出的第二種醫(yī)學圖像檢索方法，更適合于醫(yī)學圖像固有的特點，使圖像檢索可以按照圖像對象間的任意空間布局及其屬性來計算。本文提出了一種層次化的基于空間位置關系的圖像檢索方法，從對象特征匹配到尺度函數匹配再到空間位置關系匹配，設計并實現(xiàn)了對象間空間位置關系的表示與匹配算法、圖像檢索算法。它在第三章提出的圖像分割處理的基礎上，得到圖像中主要對象所占的區(qū)域；然后，對每一塊區(qū)域提取它們的形狀

9、和位置關系等特征，作為該對象的特征；最后，根據圖像中各對象的特征，計算兩幅圖像間內容的相似程度，并實現(xiàn)檢索。 通過“根據示例圖像檢索”和“根據對象檢索”兩組實驗，并將該方法與傳統(tǒng)的Hough變換檢索方法、歐式距離檢索方法進行對比，說明本文方法取得了理想的檢索效果。 (4)三維醫(yī)學圖像建模方法 為了進行下一步三維圖像檢索的研究工作，需要將某一人體組織器官的各層切片分割圖像進行光順的表面連接，以構造感興趣器官的外表面