脑部肿瘤mr画面分割算法的分析

《脑部肿瘤mr画面分割算法的分析》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、脑部肿瘤MR画面分割算法的分析-->1绪论随着医学影像技术的飞速发展，近年来医学影像已成为医学诊断中最为活跃的研究领域之一。医学影像分割是医学图像处理和医学分析中的一项重要技术，在疾病诊断、病变组织定位及计算机指导手术等各种场合得到了广泛的应用。由于核磁共振成像(MRI)具有高质量的图像显示效果，所以被广泛的用于医学成像中，而对于脑部肿瘤的检测就是较为重要的应用之一。将核磁共振成像用于脑部肿瘤的检测以及分割上，对于医学诊断是非常重要的，因为它提供了对于制定治疗计划和病人跟踪系统所必要的解剖结构和

2、潜在的异常组织的信息。脑部肿瘤的分割也可以有利于建立通用的病变大脑模型和图谱。精确的脑组织分割对于制定放疗计划、外科手术计划以及脑肿瘤结构的3D可视化等应用研究具有重要的意义[1]。..........2基于FCM算法的脑部肿瘤图像分割2.1聚类分析聚类也被称为聚类分析，聚类分析是一种用数学方法研究和处理事物的分类的方法。聚类算法是一种无监督的分类方法。无监督的图像分割方法是根据图像像素间的相似性进行分割，无需对目标对象的特征进行优化，整个过程不需要人工干预，从而使分割方法具有一定的自动化和智能

3、化。聚类算法是根据样本间的相似性测度进而对一个没有类别标记的样本集进行划分的，即将样本中相似的数据点或者目标点归为一类的一种数学方法。2.2K均值算法Zadeh于1965年发表了论文《模糊集（FuzzySets）》，首次引入表达事物模糊性的隶属度函数的概念，并提出了用模糊理论来研究不确定性和不精确性，从而创建了模糊集合理论[16]。在传统的集合理论中，元素与集合之间的隶属关系是N:1的对应关系，即元素对于集合的归属性不存在中间状态；而在模糊集合中，元素与集合的隶属关系是N:N的对应关系，即元素对

4、于集合的归属性是多样的。从图2-1(c)和图2-1(f)可以看到FCM算法可以把K均值算法无法提取的肿瘤轮廓分割出来，算法的分割效果远优于K均值算法。FCM算法由于引入了模糊集合理论，所以在分割过程中能够保留更多的原始图像信息，比K均值算法具有更好的鲁棒性。因为FCM算法可以有效地分割边缘模糊、低对比度的图像，所以该算法被广泛应用于医学图像分割中，其独特的优势在脑部肿瘤MR图像的分割中也被显示出来。3基于数学形态学分水岭算法的脑部肿瘤图像的分割....................123.1数

5、学形态学基本运算.........................................123.2灰度图像形态学处理.........................................154基于GVFSnake模型的脑部肿瘤图像分割............................234.1传统的Snake模型...........................................234.2Snake模型的两种外力改进模型...............

6、.................255总结与展望........................................395.1本文工作总结....................................395.2展望........................................394基于GVFSnake模型的脑部肿瘤图像分割4.1传统的Snake模型对GVFSnake模型进行仿真实验，并与传统的Snake模型和气球力Snake模型进行比较。图4-1是GVF

7、Snake模型对U型物体检测结果。从图4-1(b)和图4-1(c)的可以看出，GVFSnake模型能够收敛到U型物体的底部，而且所需的迭代次数比较少。在设置的初始轮廓相同的情况下，传统的Snake模型经过了500次的迭代后，仍然不能收敛到凹陷区域的底部，并且在继续增加迭代次数的情况下，轮廓线停止迭代收敛，不能完成对深度凹陷物体的分割；而GVFSnake模型仅进行了100次迭代，就能够很好的收敛到凹陷区域的底部。比较可得，GVFSnake模型比传统的Snake模型有更大的捕捉范围，能够收敛到凹陷物

8、体的底部区域。4.2Snake模型的两种外力改进模型图4-2是GVF模型与目标边缘相交时的检测结果。将图4-2(b)和图4-2(c)的进行比较，图4-2(b)显示了GVFSnake模型在迭代100次就能收敛到凹陷区域的底部；而在同样的初始轮条件下，图4-2(c)表明，高斯力Snake模型即使在迭代了2000次后，依然无法收敛到凹陷区域的底部，而是收敛到了局部极值处。可以看出，GVFSnake模型解决了传统Snake模型对初始轮廓的位置过于敏感的问题。.........5总结与展望5.1本文工作总