脑核磁共振图像与虚拟人脑图像分割技术研究

《脑核磁共振图像与虚拟人脑图像分割技术研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、脑核磁共振图像与虚拟人脑图像分割技术研究分类号密级UDC注1学位论文脑核磁共振图像与虚拟人脑图像分割技术研究（题名和副题名）陈允杰（作者姓名）指导教师姓名申请学位级别专业名称论文提交日期论文答辩日期学位授予单位和日期答辩委员会主席评阅人年月日注1：注明《国际十进分类法UDC》的类号。中华人民共和国工学博士论文脑核磁共振图像与虚拟人脑图像分割技术研究导师：夏德深教授南京理工大学二00八年六月Ph.D.DissertationStudyonBrainMRImagesandChineseVisualHumanBrainImagesSegmentationB

2、yChenYunjieSupervisor：Prof.XiaDeshenNanjingUniversityofScienceandTechnology声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名：年月日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的全部或部分内容，可以向有

3、关部门或机构送交并授权其保存、借阅或上网公布本学位论文的全部或部分内容。对于保密论文，按保密的有关规定和程序处理。研究生签名：年月日ABSTRACT博士学位论文摘要核磁共振成像（MagneticResonanceImaging,MRI）以其非介入性、非损伤性、很少受目标物体运动的影响等特点，已被广泛运用于医学图像拍摄，并在临床医学上起着越来越重要的作用。MR图像分割在生物医学研究和临床应用中具有重要的意义。而虚拟人计划得到的图像最真实、直观地反映了人体组织信息，该图像可以构建一个人体信息库，为医学诊断、人体结构学习等提供一个平台。图像分割可用于研究解

4、剖结构、组织定量化测定、病灶确定、病疾诊断等。精确的分割是后继分析的关键和重要基础。根据特定的医学图像分析任务的要求，分割的目的是将原始图像划分为一系列有意义的区域或提取图像中感兴趣的区域（RegionofInteresting,ROI）。脑图像分割主要分为如下几个步骤：1）图像预处理，即图像恢复。由于设备等因素的影响，导致图像中含有噪声。将噪声去除而不损失组织的信息有利于后继图像处理；2）去壳。就是去掉脑图像中非脑组织，如脑壳、脂肪等其它组织。由于非脑组织与背景部分在脑图像中含有较大比重。因此，将非脑组织与背景部分都剔除掉可以提高后继的处理精度；3

5、）去偏移场。由于成像机制的影响，使得图像中会含有偏移场，导致图像灰度不均匀，而使得分割的结果不准确。精确的偏移场恢复模型可以很大程度地提高后继图像处理精度；4）分割出感兴趣区域。使用活动轮廓模型等方法将感兴趣区域分割出来，以对图像进行分析。本文试图将各个问题都综合到一个统一的图像分割框架下，使它具有较高的智能化程度。本文所做的主要工作和研究成果如下：（1）提出一种基于非线性扩散方程的图像去噪方法。在讨论了图像去噪的三个基本要求的基础上，总结了调和项模型和彩色总变差去噪模型中的不足，利用图像的局部信息构造函数使得模型在接近图像边缘处各向异性平滑，保持边

6、界；在平坦区域各向同性平滑，防止阶梯效应的产生；并利用角点信息保持了角点形状。实验结果表明，本文所提出的模型能够很好地保持图像中目标的几何结构，同时具有良好的去噪能力。（2）提出一种基于高斯混合模型的几何活动轮廓模型。几何活动轮廓模型分割图像时，必须设置适当的停止项以使演化曲线运动到目标的边界时停止。该模型依赖于初始曲线的选取，而且当图像还有弱边界时曲线容易从弱边界处泄漏。本文利用高斯混合模型以及图像全局信息构造新的速度函数，使曲线在目标内部膨胀，非目标区域收缩，最终较好地达到去壳的目的。（3）提出一种基于信息熵的去偏移场模型。传统的基于信息熵的模型

7、在求解时往往使用梯度下降法，易陷入局部最优。本文引入遗传算法、粒子群算法对其进行改I（4）提出了三种针对脑MR图像的分割方法：?提出一种基于粒子群算法的高斯混合模型，并利用高斯混合模型可以较好地描述整幅图像性质的特点来改进活动轮廓模型，使改进的模型更适合脑MR图像的分割。高斯混合模型的关键是其参数估计，通常使用Expection-Maximization(EM)算法进行高斯混合模型的参数估计，但该算法是局部优化算法，且对初值依赖性强。为此，将粒子群算法引入到高斯混合模型的参数估计中，利用粒子群算法良好的全局优化特性来提高参数估计精度，并将高斯混合模型

8、与传统的活动轮廓模型相结合，利用粒子群算法估计高斯混合模型的参数以获得图像的统计描述，并以此构造新的活动轮廓