基于水平集幾何主動(dòng)輪廓模型的醫(yī)學(xué)圖像分割方法研究.pdf

1、醫(yī)學(xué)圖像分割是對(duì)正常組織和病變組織進(jìn)行定量分析、三維重建的基礎(chǔ),是計(jì)算機(jī)輔助診斷的關(guān)鍵步驟,因此要求分割具有很強(qiáng)的目標(biāo)性和很高的準(zhǔn)確性。然而,在臨床應(yīng)用中,由于醫(yī)學(xué)圖像本身的復(fù)雜性、多樣性和各種不確定因素的影響,導(dǎo)致準(zhǔn)確分割成為醫(yī)學(xué)圖像分析處理的難點(diǎn)。
　　基于水平集幾何主動(dòng)輪廓模型的圖像分割方法,既能夠利用圖像本身低層信息,又允許高層知識(shí)介入指導(dǎo),因此在處理結(jié)構(gòu)復(fù)雜多樣的醫(yī)學(xué)圖像時(shí),顯示其獨(dú)特的優(yōu)越性和廣泛的適用性。本文以腦MR

2、圖像為主要研究對(duì)象,以精確的分割作為研究目標(biāo),針對(duì)特定的組織結(jié)構(gòu)選擇合理的分割算法和分割策略,對(duì)基于水平集的幾何主動(dòng)輪廓分割算法提出了幾點(diǎn)改進(jìn),并在腦MR等醫(yī)學(xué)圖像分割實(shí)驗(yàn)中驗(yàn)證了改進(jìn)模型的有效性。主要工作和貢獻(xiàn)如下:
　　(1)大量的醫(yī)學(xué)圖像中存在的灰度不均勻現(xiàn)象給分割帶來很大挑戰(zhàn),圖像分割算法中廣泛采用的基于區(qū)域的分割模型常常依賴圖像灰度的均勻性,因此在處理灰度不均勻圖像時(shí)無法得到理想的分割結(jié)果。針對(duì)這一問題,將圖像的局部統(tǒng)計(jì)

3、特征引入到互信息度量的分割模型中,拋開全局性的約束,提出一種局域化互信息度量的變分水平集模型。首先,基于灰度不均勻圖像模型,在每點(diǎn)局部鄰域內(nèi)對(duì)圖像灰度特征進(jìn)行描述,構(gòu)造一種局域化互信息作為分割的準(zhǔn)則。再將該準(zhǔn)則引入到水平集的框架中,定義出一種水平集函數(shù)表述的能量模型,通過能量函數(shù)的最小化,能同時(shí)達(dá)到分割和偏場估計(jì)的聯(lián)合優(yōu)化。腦MR等各類灰度不均勻的醫(yī)學(xué)圖像分割實(shí)驗(yàn)結(jié)果表明,本模型提高了灰度不均勻場景下的目標(biāo)邊界識(shí)別的精度。
　　(