针对医学图像ROI提取的医学图像分割研究

摘要

医学图像通常由感兴趣区(ROI)和背景区构成，相对于背景区域来说，感兴趣区包含重要的诊断信息，尽管它在整幅图像中所占的面积也许并不大，但对于医生诊断、临床治疗和病理分析具有重大的意义，因此其错误描述的代价非常高。这促使了医学图像ROI的提取成为迫切的需要。本论文以基于模糊连接度的医学分割为研究重点，详细地分析了其原理和算法。本论文的工作和创新性成果主要在以下几个方面： 1．系统分析了医学图像分割技术的国内外研究现状。简单介绍了传统的分割方法和基于数学形态学、神经网络、分形理论、小波、统计学、模糊集等特定理论工具分割方法的理论基础、算法流程、优势弊端、相互关系等。 2.研究了基于模糊连接度和基于相对模糊连接度分割算法的实现流程，并对二者进行描述和比较。 3．在传统的模糊连接度算法中，需要遍历所有始于种子点，止于目标点的路径中两两接点的相似度，这一过程十分繁琐。针对这一问题，对模糊连接算法进行了分析和改进，提出了一种改进的基于相对模糊连接度的快速分割算法，与传统算法相比，可在不降低分割效果的前提下，使运算速度得到提高。

目录

文摘

英文文摘

西北工业大学业学位论文知识产权声明书及西北工业大学学位论文原创性声明

第一章绪论

1.1针对医学图像ROI进行研究的背景

1.2医学图像ROI提取和医学图像分割

1.3医学图像分割概述

1.3.1图像分割简介

1.3.2医学图像分割的现状和发展趋势

1.3.3医学图像分割的作用

1.3.4不同医学图像的分割常用方法

1.4论文的结构安排

第二章医学图像分割技术研究

2.1基本的图像分割技术

2.1.2灰度阈值型分割

2.1.2边缘检测分割

2.1.3基于区域跟踪的分割技术

2.2结合特定理论的分割技术

2.2.1基于数学形态学的分割技术

2.2.2基于神经网络的分割技术

2.3.3基于分形理论的分割技术

2.3.4基于小波的分割技术

2.3.5基于统计学的分割技术

2.3.6基于模糊集的分割技术

2.4小结

第三章基于模糊连接度的医学图像分割技术研究

3.1模糊集理论综述

3.1.1基本的模糊集合定义

3.1.2模糊空间元素邻近关系，模糊数字空间

3.1.3场，隶属场

3.1.4模糊空间元素的相似度

3.1.5模糊连接度K

3.2基于模糊连接度的分割技术

3.2.1二维图像场中模糊连接度的定义

3.2.1基于模糊连接度的分割算法

3.2.2基于相对模糊连接度的分割算法

3.3本文的一种改进的基于相对模糊连接度算法

3.3.1算法中模糊相似度的选取

3.3.2改进的算法

3.3.3试验结果

3.4小结

第四章医学图像分割评价

4.1图像分割评价分类

4.2医学图像分割评价标准

4.3小结

第五章总结与展望

5.1论文工作总结

5.2论文工作展望

参考文献

硕士学位期间完成的学术论文

致谢