基于图切割算法的骨组织CT图像分割方法研究

摘要

医学图像分割是人体器官组织功能分析以及诊断治疗的基础，为提取病变组织周围信息、辅助医生进行病情分析和重建组织器官三维模型提供很好的技术支撑。随着医学影像技术的发展，医学图像的分辨率日益提高，图像细节信息越来越丰富，图像复杂度的增加使得现有分割技术难以取得满意的分割结果。近年来，利用Graph Cuts算法进行图像分割是一种新的思路，其通过人工交互的方式能够快速精确地提取图像中感兴趣的目标。然而传统Graph Cuts方法存在自动化和鲁棒性不足的缺陷，将该方法应用于复杂模糊医学图像的分割还存在一定的局限性。 为了解决Graph Cuts算法在处理复杂医学图像分割时的效率问题，一种可行的方法是通过结合医学图像的某些特征信息，采用预处理算法，自动标记前景与背景点，从而大幅减少人工交互的时间，最终提高Graph Cuts算法的效率。论文主要从以下三个方面展开工作： 首先，在基于图切割算法的交互式图像分割框架基础上，结合骨组织CT图像在灰度特征上与其周围组织存在明显不同的特点，设计了一种基于阈值标记自动生成的Graph Cuts算法。通过引入骨组织的灰度特征信息，结合用户的交互，改进后的算法不仅能够有效地用于骨组织CT图像的分割，还提高了Graph Cuts算法的分割效率。 其次，针对基于阈值标记自动生成的Graph Cuts算法在实验中存在的不足，详细分析了其存在缺陷的原因，并在此基础上提出一种基于形态学标记自动生成的Graph Cuts算法。采用武汉某医院提供的骨组织CT图像对算法进行了测试，并与现行成熟商业软件的分割结果进行了对比分析，验证了算法的有效性与可行性。 最后，基于对Graph Cuts交互式分割框架的研究，结合临床中的需求，提出了医学图像处理系统的总体框架。在Windows平台下，结合MFC框架和VTK类库实现了系统的开发。该系统主要包括医学DICOM序列图像的读入及显示、图像的预处理、图像分割以及图像重建等功能，最后对系统功能进行了相应的实例测试。

目录

声明

第一章 绪论

1.2医学图像分割方法概述

1.2.2基于阈值的分割方法

1.2.3基于模糊聚类的分割方法

1.2.4基于形变模型的分割方法

1.2.5基于人工神经网络的分割方法

1.3基于图论的图像分割方法研究现状

1.3.2图论方法在医学骨组织图像中的应用

1.4主要研究内容及内容安排

1.4.2章节安排

第二章基于Graph Cuts算法的图像分割

2.2.2图与网络的存储

2.2.3网络流与最大流算法

2.3基于Graph Cuts算法的交互式分割

2.3.1基于Graph Cuts算法的基本框架

2.3.2图像特性与图论特性关系

2.3.3 Graph Cuts算法的局限性分析

2.4本章小结

第三章基于阈值标记自动生成的Graph Cuts算法

3.2.1 Otsu阈值分割

3.2.2最大熵阈值分割

3.2.3最小误差阈值分割算法

3.3.1需解决的关键问题及算法思路

3.3.2基于阈值标记自动生成的Graph Cuts算法设计

3.3.3基于阈值标记自动生成的Graph Cuts算法具体实现

3.4基于阈值标记自动生成的Graph Cuts算法仿真与分析

（1）分割过程 及结果

（2）实验结果与分析

3.5本章小结

第四章基于形态学标记自动生成的Graph Cuts算法

4.2.1膨胀运算

4.2.3开运算与闭运算

4.3基于形态学标记自动生成的Graph Cuts算法

4.3.1标记自动生成算法设计

4.3.2标记点生成结果对比分析

4.4实验结果与分析

4.4.2实验仿真结果与分析

4.5本章小结

第五章医学图像处理系统的设计

5.2.2系统组成和框架

5.2.3 VTK可视化流程

5.2.4 VTK基本数据结构

5.3系统总体概述

5.4系统总体框架

5.4.2系统功能描述

5.5医学图像处理系统的设计

5.5.2基本文件操作模块设计

5.5.3图像操作功能模块设计

5.5.4图像分割模块设计

5.5.5图像重建模块设计

5.6本章小结

第六章总结与展望

6.2展望

致谢

参考文献

附录 攻读硕士学位期间发表的学术论文