基于高分辨率颅脑CT体数据的病变自动检出方法研究

《基于高分辨率颅脑CT体数据的病变自动检出方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要随着计算机技术、图像处理技术、模式识别技术、人工智能技术等的进一步发展，整个社会的智能化程度越来越高。在医学领域，各种大容量、高清晰的医学影像设备得到越来越多的普及应用，在一个中等规模的医院，各种医疗仪器设备产生的断层扫描图片都在以大于10GB/天的速度增长。医生每天要面对电脑屏幕或胶片做大量的诊断，这种负荷增长会降低大型检查设备的使用效率，并且导致不必要的漏诊和误诊。传统的人工读片方式已经明显落后于影像检查技术和设备的飞速发展，随着更大容量、更高清晰度、更先进影像检查设备的不断普及应用，这种矛

2、盾将变得日益突出。医学图像本身是一种自然图像，具有自然图像所应该具备的特性，包括结构连续性，在CT图像中表现出的灰度一致性等，从理论上说可以通过图像处理、模式识别等技术对这些图片进行机器识别。长远来说，开展以计算机辅助诊断或计算机智能化诊断为目标的医学图像处理和分析研究将成为医学图像领域研究的一个主要趋势。而要实现计算机智能化诊断或计算机辅助诊断，首先必须面对和解决的一个问题就是医学图像上病变区域的计算机自动化检出。针对三维全脑扫描数据的病变检出，特别是针对纹理特征病变的检出还刚刚开始，本文瞄准计算机智

3、能化诊断这个方向，以颅脑病变计算机自动化检出为目标，针对基于三维颅脑高分辨率CT扫描数据的病变检出进行了深入研究，提出了一些有新意的算法或对已有算法进行了改进，并根据颅脑CT图像，针对不同类型病变进行了实验，验证了本文提出的整体框架和算法的有效性。论文的研究内容和创新点如下：(1)提出了针对三维CT数据进行病变自动检出的整体框架。目前，针对三维CT数据的病变自动检出方法研究还处在初始阶段，没有统一的框架和标准。本文提出了一种基于三维颅脑CT数据和特征向量统计图谱的病变检出方法，对实现病变检出的流程和总体

4、框架进行了设计，包括数据预处理，刚性配准与非刚性配准，图谱的创建，特征提取以及最终的病变检出等各个阶段，并且对每一个阶段进行了算法研究和实验验证，最后的病变检出结果验证了整体框架的有效性。(2)提出了基于先验知识和结构连续性的全脑CT图像分割算法以及改进的断层插值算法。根据颅脑CT图像本身具有的先验知识以及颅腔内结构的连续性，提出了一种基于先验知识和结构连续性的全脑分割算法，从最中间一层开始，分别向颅顶和颅底方向进行分割，能够自动化的一次性分割出病变检出的感兴趣区域，I摘要即完整脑实质和脑脊液区域。本文

5、提出的改进断层插值方法通过在每一个体素点处选择一个邻域窗口，从邻域窗口中根据特征值来寻找对应点的方法进行插值。实验结果表明该方法完全满足插值的约束条件，插值出来的图像结构清晰，保持了原有图像的结构特性和纹理特性，能够满足后续数据处理的需要。(3)提出了改进的刚性配准算法，避免陷入局部最优解。由于Powell寻优算法是一种局部特性很好的寻优算法，但是容易陷入局部最优解。此外，图像本身的特点和插值所引起的局部相似性也容易使得配准过程陷入局部最优。本文提出了一种基于均匀设计和Powell相结合的寻优算法，实验

6、验证能够较好的获取全局最优解。(4)提出了改进的Demons算法，增强配准的拓扑保持性。针对已有研究成果中不能完全消除非刚性配准过程中非拓扑保持性形变的现状，提出了改进的拓扑保持性算法，认为拓扑保持性不仅仅需要减少形变量，有时也需要增加形变量。改进算法在保持形变方向的前提下，对形变量进行双向寻优来寻找使得Jacobian行列式大于零的形变距离。通过实验验证，改进算法基本消除了不具备拓扑保持性的形变点。(5)提出了一种纹理特征向量构建方法。为了对具有纹理特征的病变进行检测，需要构建一种维数不高且具有较高纹

7、理分类能力的纹理特征向量。本文在理论分析的基础上提出了构成纹理特征向量的可选特征，并通过实验选择了最佳的纹理特征组合来构建纹理特征向量。这种纹理特征向量的特点是结构简单，与其它高维纹理特征向量相比能够显著减少计算量，同时具有良好的纹理分类能力。通过实验验证，基于该纹理特征向量的病变检出效果良好，病变检出区域与实际病变区域相符。本论文的工作得到了国家自然科学基金项目（60771007）的资助。关键词：病变检测纹理特征向量统计图谱图像配准计算机断层摄影断层插值IIAbstractABSTRACTWithfu

8、rtherdevelopmentofthecomputertechnology,imageprocessing,patternrecognitionandartificialintelligencetechnology,thewholesocietyisbecomingmoreintelligent.Inthemedicalfield,avarietyofhigh-capacity,high-resolutionmedicalimaging