人体骨骼医学图像处理技术研究

摘要

医学图像处理技术是人们诊断和治疗疾病的重要途径。图像分割技术已成医学图像处理到分析的主要环节。好的图像分割能给诊断带来便利，有助于医生正确的诊断。本文针对骨图像分割方法，在研究脊椎磁共振成像（MRI）及 CT血管造影（CTA）中骨骼特性的基础上，从二维图像及三维体数据着手，研究不同的骨骼图像的分割方法。
　　首先，本文针对Shi提出的多尺度归一化方法对MRI中椎体分割时易出现过分割或欠分割和需要过多手动调节参数的问题，提出一种基于邻域信息并用高斯加权的卡方距离的方式及共享近邻加权的自适应进行参数调节的方法。其用向量方式排列像素的局部邻域信息，然后，考虑到邻域内各像素对中心像素的影响不同，其权重也应不同，采用高斯函数将其用卡方距离的方式组合起来，避免过分割或欠分割。最后，综合共享近邻加权自适应方式，给每一个像素自动赋予一个尺度参数，以实现减少需要调节参数的目的。
　　其次，本文经研究郑倩所提出的 MRI中椎体分割方法，其引入了高斯加权的局部空间邻域信息，在原图像上直接构造相似度矩阵。同时在分割时用到 NJW算法，它在求解大规模的权值矩阵的特征向量时，运算复杂、时间较长将限制其实时应用于在临床中。本文在现有的graph-cut图像分割方法基础上，经分析在用最大流-最小割时，要构造一个较好的网络图，其关键是计算像素间的相似度程度。考虑到郑倩提出的相似度算法较为全面。而所研究的graph cut方法中边的相似度算法，则没有充分利用像素的邻域信息，故需引入对其进行改进。本文用改进后的graph cut替换掉郑倩方法的中的NJW算法，并综合多尺度分析法，提高郑倩的分割方法的效率，以增强临床可用性。
　　最后，本文通过对现有的几种医学图像体数据分割方法进行分析，针对其优劣提出一种基于支持向量机的方法完成去骨。在重建前，先由支持向量机去分类标注三维体数据。然后将代表同类物质的体素标注相同，随后将其灰度值进行变换整理。使同类物质的变换到同一灰度区间，确定各区间相互独立，再将其端点当成分段点控制阻光度传递函数，实现分类，以Ray-casting（直接体绘制）方法完成三维血管重构。

目录

声明

第1章 绪 论

1.1 引言

1.2 研究背景及意义

1.3 国内外研究现状

1.4 问题的提出

1.5 研究内容

1.6 论文组织结构

第2章 基于邻域信息的多尺度归一化算法

2.1图及图割的基本理论

2.2多尺度归一化分割算法

2.3改进的多尺度归一化算法

2. 4实验结果与分析

2.5 本章小结

第3章 基于邻域信息高斯加权的快速图割算法

3.1现有脊椎分割方法的研究与分析

3.2 Grahp cut图像分割算法研究

3.3基于新权重的快速图像分割算法

3.4 实验结果与分析

3.5 本章小结

第4章CTA三维数据去骨技术的研究

4.1体数据分割方法分类

4.2体数据的构建

4.3体数据分类的技术

4.4基于SVM的CTA三维数据分类方法

4.5 实验结果与分析

4.6 本章小结

结论

参考文献

致谢