CT图像中骨骼与软骨的自动分割算法研究

摘要

医学图像分割是当下热门研究领域，但由于全自动分割方法容易受噪声、场偏移效应等影响，且CT图像中骨骼与软骨、软骨与软组织均有灰度较为接近的问题，这些问题使得临床上对于CT图像中骨骼与软骨的全自动的分割目前无法普及，也导致了全自动分割至今无法完全代替人工参与的半自动分割方法。
　　本文以改进算法实现胸廓软骨与骨骼的自动分割为目标，首先分析了医学图像处理的发展历史和现状，指出了CT图像中骨骼与软骨分割面临的挑战。其次，通过分析人体胸廓骨骼和软骨的分布特征以及常用的降噪、分割、形态学处理、边缘提取等方面的算法，结合医学知识，本文提出一种基于改进的区域生长算法和阈值分割法相结合的方法，用于分割CT图像的骨骼与软骨，并通过实验设计，实现了整套图像的自动分割并对生成的三维数据调用matlab三维可视化工具输出三维模型。
　　本课题基于3套共计582张DICOM3.0切片数据。经验证，本实验改进后的算法除起始阶段几乎没有人工参与，算法的分割效率及准确性比依赖于医师手工分割和半自动系统的交互式分割明显要高（据调查一个有经验的医师手工分割一张CT图像的骨骼和软骨需要8到15s，借助工具交互式分割需要3到5s，而本文所提出的算法平均每0.54s即可分割一张图，且分割准确性更高，算法无需依赖医师的个人经验）。结果表明经本实验改进的算法鲁棒性强，比传统依赖于手工分割和交互式分割方法能更快速有效的实现骨骼与软骨的分离及三维重建，能够为医学手术和实验研究提供科学可靠的数据。

目录

摘要

1 绪论

1．1 研究背景

1．1．1 医学图像处理的发展

1．1．2 三维重建在胸廓骨骼与软骨检测上的应用

1．2 研究目的及意义

1．2．1 三维重建的关键制约因素

1．2．2 自动分割算法的研究现状

1．2．3 改进分割算法说明

1．3 自动分割效果呈现与性能评定方式

1．4 后续章节安排

1．5 本草小结

2 基于胸廓CT图像的骨骼与软骨分割概述

2．1 CT图像简介

2．2 CT图像处理基础知识

2．2．1 视觉系统

2．2．2 DICOM3．0标准协议

2．2．3 窗宽、窗位及窗口技术

2．3 CT图像骨骼与软骨分割难点分析

2．3．1 人体胸廓结构及相关医学常识

2．3．2 存在问题及挑战

2．3．3 解决方案

2．4 相关技术框架

2．5 本章小结

3 骨骼与软骨CT图像处理与轮廓提取

3．1 CT图像预处理技术

3．1．1 灰度归一化处理

3．1．2 DICOM与BMP格式转化

3．1．3 图像降噪

3．1．4 灰度变换

3．1．5 区域划分

3．2 自适应阈值分割

3．3 改进的区域生长法

3．3．1 区域生长法及其实现步骤

3．3．2 关键优化点

3．3．3 改进种子点的选取

3．3．4 改进生长规则

3．5 后处理技术与轮廓提取

3．5．1 形态学处理技术

3．5．2 孔洞及轮廓不平滑现象解决方案

3．5．3 Canny算子边缘检测

3．6 本章小结

4 椎间盘轮廓模型分析及缺失轮廓修复

4．1 轮廓相似性及嵌套关系分析

4．1．1 射线法

4．2 轮廓类模型设计

4．3 相邻层轮廓相似性分析

4．3．1 轮廓相似性计算方法

4．3．2 相邻层轮廓匹配原则及修复

4．4 依据空间关系分割椎间盘区域软骨

4．5 本章小结

5 实验设计及结果分析

5．2．1 预处理实验设计

5．2．2 图像分割实验设计

5．2．3 图像后处理实验设计

5．2．4 椎间盘轮廓复原实验设计

5．2．5 自动分割总体流程

5．3 呈现方式

5．4 结果分析

5．4．1 改进后算法与手工分割对比

5．4．2 算法效果分析

5．4．3 算法效率分析

5．4．4 通用性分析

5．5 本章小结

6．1 工作总结

6．2 展望

参考文献

攻读硕士学位期间发表的论文

致谢

声明