乳腺MRI肿块分割方法的分段比较研究

摘要

乳腺癌是现代女性的常见恶性疾病之一。近年来，随着生活压力的日益增加，社会节奏的逐渐加快以及女性爱美的天性导致生活方式越来越不健康，熬夜、吸烟、节食以及生育后不哺乳或高龄生育等原因，乳腺癌的发病率和病死率正在不断上升。目前，我国乳腺癌发病率正以每年的速率不断增长。乳腺MRI图像是目前非常重要的乳腺诊断手段，为了3％~4％提高诊断的准确性和客观性，减轻放射科医生的诊断工作量，利用计算机技术对影像中的病灶进行自动检测与分割是十分必要的。
　　由于医学图像本身的特异性与病灶对比度不够明显、边缘模糊等特点，尚未有稳定、普适的分割方法可以应对任意复杂背景下目标的检测与分割需求。在乳腺MRI图像的肿块分割领域，通过反复的比较研究，寻求几种在检测/分割的不同阶段分别专精的算法组成一套稳定性、精度更高的分割方案，比寻找一种从初始定位（粗分割）到精分割都很理想的单一方法要更切实可行。
　　本文通过分段比较实验，发现乳腺MRI图像存在灰度值不均匀性和模糊性的特征。空间模糊C均值(spatial FCM)聚类算法在肿块的初始定位中具有抗噪能力和稳定性强的特点；而GVF snake模型在精细分割中对局部轮廓具有很好的收敛性。通过配合帧间相关性，可以获得一套稳定的乳腺MRI图像分割方法：选取多个不同的聚类数C使用sFCM对乳腺MRI图像进行分割，得到的分割结果作为初始轮廓；根据得到的初始轮廓，再使用GVF snake模型对乳腺MRI图像进行精细分割；这样由于不同的参数C就会得到多组分割结果，再利用相邻帧间肿块面积、位置变化平缓，肿块形状相似的特点，将相邻帧间肿块的面积重叠率作为筛选条件，对整个序列的分割结果进行最优化，以提高整个分割结果的精确度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1论文研究背景与研究意义

1.2 医学图像分割算法的研究现状

1.3医用数字图像与通讯标准

1.4 医学成像技术介绍

1.5 乳腺MRI成像

1.6 本课题主要内容及章节安排

第二章 医学图像算法研究

2.1 传统的图像分割算法

2.2 基于特定理论的分割方法

2.3 图像分割质量评价

2.4 本章小结

第三章 基于帧间相关性的乳腺MRI肿块分割

3.1 多种算法联合使用的提出

3.2 乳腺MRI肿块图像的自动分割

3.3 分割结果的最优化处理

3.4 本章小结

第四章 实验结果及分析

4.1 实验数据

4.2 实验结果

4.3分割结果分析及分割质量评价

4.4 本章小结

第五章 总结与展望

5.1课题总结

5.2 未来展望

参考文献

致谢

附录作者硕士期间发表的学术论文及参与的项目学术论文：