基于区域生长的肝脏CT图像肿瘤分割方法研究

摘要

腹部CT图像是进行肝脏肿瘤检查最常见的成像技术。作为一种计算机辅助技术，它有助于医生获得肿瘤的大小、多少、位置等信息。基于腹部CT图像的肝脏肿瘤分割，主要是指将肝脏肿瘤从图像中准确分割出来。医生通过分析图像的分割结果，制定手术方案。因此，将肝脏肿瘤从腹部CT图像中准确分割出来具有十分的重要意义。
　　本文首先研究了腹部CT图像的特点，分析了目前常用的医学图像分割算法，选择了区域生长算法进行肝脏肿瘤分割。因为区域生长算法非常适用于内部特征均匀的肿瘤或伤口等结构图像的分割。利用该算法进行图像分割，可以使分割后的区域在空间上具有紧密性。然后本文具体分析了传统区域生长算法的原理、优缺点，发现将它应用于肝脏肿瘤CT图像分割存在两个难题:一是初始种子点位置的选择。如果人工手动选择种子点，耗时耗力，并且算法不易推广使用。二是生长准则的制定。生长准则制定的好坏直接影响着分割结果。
　　针对上述问题，本文提出了一种自动选择种子点的改进的区域生长算法，以实现从腹部CT图像自动分割出肝脏和肿瘤。首先，该算法结合图像预处理，选择腹部CT图像中最大连通区域的内切圆圆心作为种子点;其次，该算法改进了生长准则，并对生长准则进行优化，减少了分割后图像中的空洞，实现肝脏的准确分割;最后本文再利用形态学方法对分割出的肝脏进行处理，提取近似肿瘤区域，二次使用区域生长方法把肿瘤从图像中分割出来。本文通过相关实验，证明了改进算法的有效性及准确性。

目录

声明

摘要

第1章 绪论

1．1 选题背景及研究意义

1．2 国内外研究现状

1．3 本文研究内容及章节安排

1．3．1 研究内容

1．3．2 章节安排

第2章 常用医学图像分割方法概述

2．1 腹部CT图像的特点

2．2 图像预处理

2．2．1 中值滤波

2．2．2 各项异性滤波

2．3 肝脏肿瘤CT图像常用分割算法

2．3．1 模糊C均值聚类算法

2．3．2 基于水平集的医学图像分割方法

2．3．3 阈值分割

2．3．4 基于形态学的医学图像分割方法

2．3．5 区域生长算法概述

2．4 本章小结

第3章 改进的区域生长算法

3．1 图像的预处理

3．2 改进的种子点的选择方式

3．2．1 传统算法的种子点选择方式

3．2．2 改进的种子点选择方式

3．3 生长准则的改进

3．4 肿瘤的分割

3．4．1 近似肿瘤区域的提取

3．4．2 二次区域生长分割肿瘤

3．5 本章小结

第4章 实验结果与评价

4．1 实验结果与分析

4．2 实验评价指标

4．3 实验结果对比

4．3．1 与C-V模型方法的对比

4．3．2 与FCM算法的对比

4．3．3 与传统区域生长算法的比较

4．4 本章小结

第5章 总结与展望

5．1 论文总结

5．2 工作展望

参考文献

致谢