醫(yī)學(xué)圖像處理中的分割與檢索關(guān)鍵技術(shù)研究.pdf

1、隨著多媒體技術(shù)在醫(yī)學(xué)應(yīng)用領(lǐng)域中的日益普及和發(fā)展，各種醫(yī)學(xué)圖像處理系統(tǒng)在臨床、教學(xué)、科研以及醫(yī)學(xué)圖像存儲(chǔ)、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(xué)圖像處理技術(shù)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(guān)鍵技術(shù)與醫(yī)學(xué)圖像進(jìn)行有機(jī)的結(jié)合，為醫(yī)師提供科學(xué)、便捷、準(zhǔn)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(biāo)。 鑒于上述目標(biāo)，醫(yī)學(xué)圖像技術(shù)圍繞著醫(yī)學(xué)圖像成像技術(shù)和醫(yī)學(xué)圖像處理與分析技術(shù)的

2、研究，很快成為近幾年來的新興交叉學(xué)科，它不僅能夠基于現(xiàn)有的醫(yī)學(xué)影像設(shè)備，極大地提高臨床醫(yī)療水平，而且為醫(yī)學(xué)研究與教育、計(jì)算機(jī)輔助臨床手術(shù)等提供數(shù)字實(shí)現(xiàn)手段，為醫(yī)學(xué)的研究與發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ)，具有不可估量的價(jià)值。 本文以國家自然科學(xué)基金項(xiàng)目“數(shù)字人工程中數(shù)據(jù)分割和帶約束的擬合問題研究”和山東省自然科學(xué)基金項(xiàng)目“CT圖像處理中的分割、擬合問題研究”為依托，重點(diǎn)分析了醫(yī)學(xué)圖像分割技術(shù)、醫(yī)學(xué)圖像檢索技術(shù)及以三維醫(yī)學(xué)圖像檢索為目的的三維建

3、模技術(shù)在醫(yī)學(xué)圖像處理領(lǐng)域中的應(yīng)用需要和存在問題，并對(duì)上述幾個(gè)關(guān)鍵問題進(jìn)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(diǎn)包括以下幾點(diǎn)： (1)基于上下文標(biāo)引樹的多尺度MRF分割算法 二維醫(yī)學(xué)圖像分割處于醫(yī)學(xué)圖像的預(yù)處理階段，它對(duì)于醫(yī)學(xué)研究、臨床診斷、病理分析及治療等應(yīng)用有重要意義，且通過醫(yī)學(xué)圖像的分割處理，盡可能自動(dòng)地分割出二維切片圖像中部分人體器官的邊界，以便對(duì)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(jī)場(Markov Random Field，MRF)分割模型的基礎(chǔ)上，為了兼顧大窗口的統(tǒng)計(jì)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(biāo)引樹的有效結(jié)合，同時(shí)考慮了同一尺度層上不同數(shù)據(jù)子塊之間依賴關(guān)系以及跨尺度數(shù)據(jù)子塊之間的繼承關(guān)系，得到了理想的分割效果。 實(shí)驗(yàn)對(duì)傳統(tǒng)的Canny邊緣檢測分割方法和本文方法進(jìn)行比較，又對(duì)三種本文涉及

5、的分割方法進(jìn)行了比較，結(jié)果表明基于上下文標(biāo)引樹的多尺度MRF模型優(yōu)于樹狀結(jié)構(gòu)的多尺度MRF模型，樹狀結(jié)構(gòu)的多尺度MRF模型優(yōu)于固定尺度的MRF模型，并利用“像素錯(cuò)分率”對(duì)上述三種分割策略的效果進(jìn)行有力說明。 (2)顯著點(diǎn)與關(guān)鍵塊相結(jié)合的局部醫(yī)學(xué)圖像檢索方法 隨著醫(yī)學(xué)圖像數(shù)量的急劇增長，醫(yī)學(xué)工作者和相關(guān)科研人員如何從眾多的圖像中快速、準(zhǔn)確地找到所需要的圖像成為亟待解決的重點(diǎn)和難點(diǎn)問題。在臨床診斷中，當(dāng)醫(yī)生遇到了難確診的病癥

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

7、換成圖像塊之間的匹配。在圖像檢索時(shí)，提出圖像匹配算法，對(duì)上述兩類圖像塊分別進(jìn)行相似性度量，并對(duì)得到的結(jié)果加以不同的權(quán)重，以給予顯著點(diǎn)和關(guān)鍵塊更多的自由度，從而實(shí)現(xiàn)用戶對(duì)醫(yī)學(xué)圖像不同要求的檢索。 通過總體和局部兩套實(shí)驗(yàn)方案，說明了顯著點(diǎn)與關(guān)鍵塊相結(jié)合的局部醫(yī)學(xué)圖像檢索方法在查準(zhǔn)率和查全率方面要優(yōu)于單純考慮顯著點(diǎn)或關(guān)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(jìn)行了對(duì)比，結(jié)果表明后者明顯優(yōu)于前者。 (3)

8、基于對(duì)象間空間位置關(guān)系的醫(yī)學(xué)圖像檢索方法 這是本文提出的第二種醫(yī)學(xué)圖像檢索方法，更適合于醫(yī)學(xué)圖像固有的特點(diǎn)，使圖像檢索可以按照?qǐng)D像對(duì)象間的任意空間布局及其屬性來計(jì)算。本文提出了一種層次化的基于空間位置關(guān)系的圖像檢索方法，從對(duì)象特征匹配到尺度函數(shù)匹配再到空間位置關(guān)系匹配，設(shè)計(jì)并實(shí)現(xiàn)了對(duì)象間空間位置關(guān)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(chǔ)上，得到圖像中主要對(duì)象所占的區(qū)域；然后，對(duì)每一塊區(qū)域提取它們的形狀

9、和位置關(guān)系等特征，作為該對(duì)象的特征；最后，根據(jù)圖像中各對(duì)象的特征，計(jì)算兩幅圖像間內(nèi)容的相似程度，并實(shí)現(xiàn)檢索。 通過“根據(jù)示例圖像檢索”和“根據(jù)對(duì)象檢索”兩組實(shí)驗(yàn)，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(jìn)行對(duì)比，說明本文方法取得了理想的檢索效果。 (4)三維醫(yī)學(xué)圖像建模方法 為了進(jìn)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(jìn)行光順的表面連接，以構(gòu)造感興趣器官的外表面