MRI 腦部圖像異常區(qū)域分割方法的研究.pdf

1、隨著醫(yī)療技術(shù)的不斷發(fā)展，現(xiàn)如今醫(yī)生對(duì)于自動(dòng)化醫(yī)療設(shè)備的依賴程度越來(lái)越高，而醫(yī)學(xué)圖像領(lǐng)域的快速發(fā)展使得很多以前很棘手的問(wèn)題也得以解決。以前在臨床中，對(duì)于醫(yī)學(xué)圖像，醫(yī)生只能通過(guò)肉眼來(lái)判斷異常區(qū)域或者病灶區(qū)域，并且需要手動(dòng)標(biāo)定然后勾畫(huà)出來(lái)。雖然這并不影響醫(yī)務(wù)工作的開(kāi)展，但是這種肉眼判斷手動(dòng)標(biāo)定的方式需要醫(yī)務(wù)人員有很高的醫(yī)學(xué)造詣和臨床經(jīng)驗(yàn)，一旦標(biāo)定有誤差就會(huì)影響后續(xù)診斷和治療的開(kāi)展，所以不能從根本上排除誤診和錯(cuò)診的可能性。因此發(fā)展自適應(yīng)較強(qiáng)的醫(yī)

2、學(xué)圖像分割技術(shù)就顯得非常有必要。
　　如今患者對(duì)于醫(yī)療效果的要求越來(lái)越高，各種新的病例也層出不窮，使得醫(yī)務(wù)人員對(duì)于醫(yī)學(xué)圖像設(shè)備的要求也越來(lái)越高，尤其是在處理腦部和顱骨圖像的時(shí)候。本文所研究的就是最新的針對(duì)醫(yī)學(xué)圖像領(lǐng)域的分割算法。本文開(kāi)頭將介紹幾個(gè)比較經(jīng)典的分割算法，如邊界分割方法和區(qū)域分割方法，這些算法是較為早期的分割算法，也可用在醫(yī)學(xué)圖像處理領(lǐng)域，在處理比較規(guī)則和清晰的圖像時(shí)可以得到比較好的效果，但是在處理腦部異常區(qū)域時(shí)效果不盡

3、人意。因?yàn)槿梭w腦部結(jié)構(gòu)復(fù)雜不規(guī)則，并且人體腦部很多不同組織在MRI圖像中顯示時(shí)會(huì)表現(xiàn)出相近甚至相同的灰度值，所以在處理腦部異常區(qū)域時(shí)，這些經(jīng)典算法誤差較大，并不能滿足臨床診斷的要求，但是它們的出現(xiàn)為后來(lái)的研究者提供了理論基礎(chǔ)和啟發(fā)。
　　之后發(fā)展出來(lái)的模糊聚類算法即FCM（Fuzzy cluster method）算法是圖像分割領(lǐng)域的一大進(jìn)步，使用FCM算法基本可以分割較為復(fù)雜的圖像，自適應(yīng)性和精確性較之前的經(jīng)典算法都有了極大的提

4、升。然而經(jīng)典的FCM算法應(yīng)用在醫(yī)學(xué)圖像處理領(lǐng)域也只是解決了最基本的分割問(wèn)題，精確度仍然還有提升的空間。
　　本文重點(diǎn)介紹的就是在經(jīng)典FCM算法基礎(chǔ)上的改進(jìn)方法，如加入高斯卷積的快速FFCM分割方法，直方圖均衡化的改進(jìn)FFCM算法，加入全局空間限制模型和本地空間限制模型的FGFCM算法，基于局部偏差估計(jì)的空間約束的FCM算法，加入鄰域影響因子的sFCM算法。
　　這些算法都是在經(jīng)典FCM算法的某個(gè)環(huán)節(jié)上加以改進(jìn)或者添加一些環(huán)節(jié)