面向海马区的脑部MRI图像分割算法研究

摘要

随着医学影像处理与分析学科的发展，在医学影像的图像分割领域中出现了很多新的方法。但是其中的许多方法都专门应用于特定的处理对象，对于一般对象并无通用的理论或方法，并且若不区分对象而应用该方法，得到的分割结果可能不理想。对脑部海马区MRI图像进行分割是对海马组织进行体积测量、三维重建的关键和基础，而海马结构的体积测量是颞叶癫痫、阿尔茨海默病、精神分裂症等神经系统疾病的临床诊断的有效方法。因此开展面向脑部海马MRI图像分割算法的研究具有重要意义。
　　本文从算法的设计、算法性能的评价与平台的构建等3个方面进行了脑部海马MRI图像分割算法的研究。在算法设计方面，首先在对现有的各种医学图像分割算法进行全面介绍的基础上，简要分析了脑部海马区的生理解剖结构和MRI图像的特点，通过对基于Snake模型的图像分割算法的分析，提出了基于GVF Snake模型的海马MRI图像分割算法，该算法以梯度向量场作为外力，解决了凹形边缘的检测问题，其次针对参数主动轮廓模型速度慢且对初始轮廓仍然敏感的问题，本文提出了基于几何主动轮廓模型的海马MRI图像分割方法，并深入分析了基于传统的水平集分割方法和经典的C-V模型分割算法的优缺点。最后，针对传统几何主动轮廓模型对模糊、灰度不均匀的MRI图像容易造成海马边缘分割不清晰或多分割的问题，提出了基于区域和边缘信息的水平集分割方法，克服了传统方法漏分割的缺点，取得了良好的分割效果，并且提高了分割速度。在算法性能评价方面，本文在总结常用的评价方法的基础上，提出了适合海马分割的综合评价模型，实验结果验证了本文提出的综合评价模型的合理性和可靠性。在平台构建方面，本文详细介绍了基于本文算法的分割平台的设计与实现过程，并通过实验验证了所构建平台的可行性，同时实验结果显示了本文算法对海马分割的准确性和可靠性。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 课题研究背景及意义

1．2．1 课题的背景

1．2．2 课题的意义

1．3 国内外研究现状

1．4 论文的主要内容和组织结构

第2章 医学图像分割算法

2．1 引言

2．2 医学图像分割的任务与特点

2．2．1 医学图像的来源

2．2．2 医学图像分割的任务

2．2．3 医学图像分割的特点

2．3 医学图像常用的分割方法

2．3．1 基于边缘的分割方法

2．3．2 基于区域的分割方法

2．3．3 基于数学形态学的分割方法

2．3．4 基于神经网络的分割方法

2．3．5 基于模糊技术的分割方法

2．3．6 基于主动轮廓模型的分割方法

2．4 小结

第3章 面向海马区MRI图像的分割算法设计与实现

3．1 引言

3．2 人类大脑海马区解剖结构及MRI图像特征

3．2．1 大脑海马解剖结构

3．2．2 大脑海马MRI图像特征

3．2．3 本文实验材料的获取

3．3 基于GVF Snake模型的海马区MRI图像的分割

3．3．1 主动轮廓模型算法分析

3．3．2 基于梯度矢量流的主动轮廓模型

3．3．3 基于GVF Snake模型的海马分割算法实现

3．3．4 实验结果

3．4 基于区域和边缘信息的水平集海马区MRI图像的分割

3．4．1 水平集方法基本理论

3．4．2 基于C-V模型的水平集海马图像分割算法分析

3．4．3 基于区域和边缘信息的水平集海马图像分割算法实现

3．5 小结

第4章 面向海马区MRI图像的分割算法分析与评价

4．1 引言

4．2 医学图像分割算法评价常用方法

4．2．1 医学图像分割算法评价问题描述

4．2．2 医学图像分割算法常用评价方法

4．2．3 评价测度

4．3 面向海马区MRI图像的分割算法分析与评价

4．3．1 实验结果

4．3．2 面向海马区分割算法的综合评价模型

4．4 小结

第5章 海马区分割算法实验平台的设计与实现

5．1 引言

5．2 基于MATLAB的海马分割算法平台的关键技术

5．2．1 图像工具箱

5．2．2 图形用户界面(GUI)

5．3 基于MATLAB海马区分割算法实验平台的设计与实现

5．3．1 平台总体框架设计

5．3．2 平台设计软件流程图

5．3．3 平台主界面及各个模块介绍

5．4 小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

硕士期间完成论文情况