医学图像分割算法的研究与应用

摘要

医学图像分割技术是医学图像处理与分析领域的重要课题之一，也是近年来备受研究人员关注的热点问题。医学图像分割的目的是把图像中具有特殊含义的不同区域分割开来，并使分割结果尽可能的接近解剖结构，从而为临床诊疗和病理学研究提供可靠依据。由于人体解剖结构的复杂性、组织器官形状的不规则性及个体之间的差异性，一般将单一的图像分割方法应用于医学图像并不能得到理想分割效果，为此必须寻找一种有效的医学图像分割方法。
　　 论文在回顾总结国内外医学图像分割方法相关文献的基础上，阐述了医学图像分割的目的、意义。根据医学图像自身特点和特殊应用需求，提出了一种集成的医学图像分割方法，即将基于Gibbs随机场的模糊c均值法与Snake模型联合，对医学图像进行分割。同时，对无需重新初始化水平集方法的医学图像分割算法进行了研究。论文主要工作包括:
　　 1.对国内外流行的图像分割方法进行了探讨，较为全面的综述了医学图像分割技术的基本概念、基本理论、基本方法，并对当今的医学图像分割算法进行了分类。
　　 2.针对医学图像的特点，单一的图像分割方法对医学图像的处理效果并不理想，本文提出一种集成分割方法，将Gibbs随机场模糊c均值法与Snake模型算法进行组合，应用于手腕骨X线片指骨兴趣区域图像的分割中，以得到正确的指骨的边缘位置。由于骨骺和干骺相离较近，在分割过程中设定一个垂直于兴趣区域x轴的直线，防止轮廓向着第一步中已经分割好的干骺骨结构边缘靠近。该方法提高了手腕骨x线片图像兴趣区域的分割效果，同时这种联合的方法具有较强的抗噪声能力。
　　 3.将遗传算法引入到基于无需重新初始化水平集方法的图像分割中，解决了无需重新初始化水平集分割法存在的参数搜索空间巨大，耗时多等问题。为了评估水平集方法的参数，利用Gibbs模糊C均值法，获得图像的期望边界，与水平集方法产生的轮廓进行比较，来选取一组最优参数，从而提高了算法的效率及精度，同时该方法还可以应用于其他图像处理领域。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 医学图像分割的目的及意义

1.2 国内外研究现状及发展趋势

1.3 本文研究的主要内容

1.4 论文的结构安排

第二章 医学图像分割

2.1 医学图像简介

2.1.1 X线片

2.1.2 CT 图像

2.1.3 MRI图像

2.2 医学图像分割概述

2.3 基于边缘的图像分割

2.4 基于区域的图像分割

2.5 基于特定理论的图像分割

2.5.1 基于统计学的图像分割

2.5.2 基于模糊理论的图像分割

2.5.3 基于变形模型的图像分割

2.5.4 基于遗传算法的分割技术

2.6 医学图像预处理

2.6.1 图像的平滑

2.6.2 灰度级的修整

2.6.3. 直方图均衡化

2.7 本章小结

第三章 基于Gibbs随机场模糊c均值法与Snake模型联合的医学图像分割

3.1 基于Gibbs随机场的模糊均值聚类分割

3.1.1 传统的FCM算法

3.1.2 Gibbs随机场理论

3.1.3 基于Gibbs随机场与模糊C均值聚类的GFCM图像分割算法

3.2 Snake模型

3.3 手腕骨x线片兴趣区域图像分割的研究

3.4 本章小结

第四章 基于水平集方法的医学图像分割

4.1 传统的水平集方法

4.1.1 曲线演化理论

4.1.2 水平集方法

4.2 无须重新初始化的变分水平集方法

4.3 改进的变分水平集方法

4.3.1 期望边界的选取

4.3.2 遗传算法

4.3.3 终止条件

4.3.4 算法流程

4.4 实验结果

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

附录： 作者在攻读硕士学位期间发表的论文