ct图像的肾脏组织分割及其病变检测方法的研究

《ct图像的肾脏组织分割及其病变检测方法的研究》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、万方数据中图分类号：UDC：学校代码：10055密级：公开高馥犬淫博士学位论文CT图像的肾脏组织分割及其病变检测方法的研究ResearchOilKidneySegmentationandRenalLesionDetectioninCTImages论文作者堂品指导教师鲎胜堑熬援培养单位电王焦星皇羞堂工猩堂医学科专业堂堂王猩研究方向图堡处堡答辩委员会主席丛建丝瞳±一评阅人匿名迁室南开大学研究生院二O一四年五月万方数据南开大学学位论文使用授权书根据《南开大学关于研究生学位论文收藏和利用管理办法》，我校的博士、硕士学位获

2、得者均须向南开大学提交本人的学位论文纸质本及相应电子版。本人完全了解南开大学有关研究生学位论文收藏和利用的管理规定。南开大学拥有在《著作权法》规定范围内的学位论文使用权，即：(1)学位获得者必须按规定提交学位论文(包括纸质印刷本及电子版)，学校可以采用影印、缩印或其他复制手段保存研究生学位论文，并编入《南开大学博硕士学位论文全文数据库》；(2)为教学和科研目的，学校可以将公开的学位论文作为资料在图书馆等场所提供校内师生阅读，在校园网上提供论文目录检索、文摘以及论文全文浏览、下载等免费信息服务；(3)根据教育部有关

3、规定，南开大学向教育部指定单位提交公开的学位论文；(4)学位论文作者授权学校向中国科技信息研究所及其万方数据电子出版社和中国学术期刊(光盘)电子出版社提交规定范国的学位论文及其电子版并收入相应学位论文数据库，通过其相关网站对外进行信息服务。同时本人保留在其他媒体发表论文的权利。非公开学位论文，保密期限内不向外提交和提供服务，解密后提交和服务同公开论文。论文电子版提交至校图书馆网站：n口：／／202，113．20．161：8001／index．htm。本人承诺：本人的学位论文是在南开大学学习期间创作完成的作品，并已

4、通过论文答辩；提交的学位论文电子版与纸质本论文的内容一致，如因不同造成不良后果由本人自负。本人同意遵守上述规定。本授权书签署一式两份，由研究生院和图书馆留存。作者暨授权人签字：南开大学研究生学位论文作者信息年月日论文题目CT图像的肾脏组织分割及其病变检测方法的研究姓名张品学号1120110075答辩日期2014年5月24日论文类别博士团学历硕士口硕士专业学位口高校教师口同等学力硕士口院／系／所现代光学研究所专业光学工程联系电话Emailzhangpin_zp@126．corn通信地址(邮编)：天津市南开区卫滓路南

5、开大学伯苓楼现代光学研究所(300071)备注：是否批准为非公开论文否注：本授权书适用我校授予的所有博士、硕士的学位论文。由作者填写(一式两份)签字后交校图书馆，非公开学位论文须附《南开大学研究生申请非公开学位论文审批表》。㈣8Ⅲi)ⅢⅢm，_，眦6眦5嗍5眦，，⋯2删Y万方数据南开大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下进行研究工作所取得的研究成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工

6、作做出贡献的其他个人和集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：——年月日非公开学位论文标注说明(本页表中填写内容须打CP)根据南开大学有关规定，非公开学位论文须经指导教师同意、作者本人申请和相关部门批准方能标注。未经批准的均为公开学位论文，公开学位论文本说明为空白。论文题目申请密级口限制(≤2年)口秘密(≤10年)口机密(≤20年)保密期限20年月H至20年月日审批表编号批准日期20年月日南开大学学位评定委员会办公室盖章(有效)注：限制★2年(可少于2年)：秘密

7、★10年(可少于10年)：机密★20年(可少于20年)万方数据摘要在医学成像技术和计算机视觉领域不断发展的研究背景下，医学图像处理与分析技术在现代医疗系统中的重要作用和地位越来越突出，已成为医生临床诊断、治疗计划拟定以及外科手术导航等的有效技术手段，对计算机辅助检测与诊断系统的开发具有重要的应用价值和意义。作为图像处理与分析技术的分支之一，医学图像分割一直是其中的关键和难点问题。快速有效的分割方法能够更好地为医生提供患者疾病诊断与治疗的可靠性依据，从而提高医疗工作的效率和准确性。考虑到医学图像的成像特点和其临床需

8、求，本文在总结国内外研究成果的基础上，以肾脏CT图像为主要研究对象，对医学图像的分割算法和病变检测方法等一系列相关的科学技术问题进行了深入的探讨和研究，其创新点主要表现在如下几个方面：1．针对医学图像中肾脏组织的特点以及传统C．V模型在灰度不均匀图像分割中存在的缺陷，提出了一种改进C．V模型算法来分割肾脏CT图像。该算法将图像的全局和局部统计信息融合到C．v模型中，为判断