高精度肺部气道树的分割与骨架中心线的提取-(6274)

《高精度肺部气道树的分割与骨架中心线的提取-(6274)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中国科学技术大学学位论文原创性声明本人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成果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。作者签名：王璺签字同期：丝乜!笸望中国科学技术大学学位论文授权使用声明作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入《中国学位论文全文数据库》

2、等有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。口公丌口保密(——年)作者签名：王宴签字同期：丝也：占：』导师签名签字F1期：第1章绪论1．1引言医学影像技术源与1895年伦琴发现的X射线，之后伴随着医学及计算机技术、电子学、机械学、电学、生物工程、材料学等学科的发展而迅猛发展，现有的医学影像设备主要包括：普通的X线成像技术、数字x线成像技术、CT成像技术、数字血管造影技术(DSA)、磁共振成像技术(MRI)、超声成像技术(U

3、ltrasoundimaging)、核医学成像技术等。医学影像技术的日益成熟，使得成像技术的水平直接决定现代医疗的诊断水平。随着近年来高分辨率CT图像(hi曲．resolutionCT)技术的普及，使成像的速度和质量有了大幅度的提高，为影像医生的诊断提供了大量可靠的数据，大大提高了诊断的准确度。同时大批量的数字CT图像也增加了医生的读片任务，容易出现漏诊和误判的现象。由于影像医生的读片主要是基于个人经验和知识储备对数字层片进行诊断识别，以至于不同的医生可能得出不同的结果，或是同一个医生在不同的时期读片结果也不尽一样。为此，利用计算机技术

4、、图像图形技术对感兴趣区域进行分割和定量分析，为医生提供疾病诊断依据的计算机辅助诊断(ComputerAidedDiagnosisCAD)成为当前的研究热点。肺气管的自动分割和肺气管相关疾病的自动诊断系统是当前计算机辅助诊断系统的一个重要分支，精确分割肺部气道树是计算机辅助诊断的关键，同时也是肺气管疾病自动渗断的基础，可以有效的确诊肺囊纤维变性、肺气肿、局部气道狭窄等肺部疾病。肿气管的单像素宽、光滑、连通的骨架提取是建立气道树基本数据模型的基础，同时对基于解剖点的肺的配准和虚拟内窥技术有重要的指导意义。图像的分割往往是针对不同的图像特征

5、和性质，选择不同的解决方案和方法，各种算法在分割的精度、稳定性、算法复杂度和鲁棒性方面也不尽相同的，需要根据用途和要求束进行权衡、选择。医学图像本身有自己的特征：成像原理和成像模型的多样性，再加上噪声、场效应的偏移和抽样误差将会造成成像质量的退化。同时，人体的组织器管的复杂性，个体的差异性，和不同的疾病对正常组织的破坏的不确定性，对医学图像精确分割，特别是病变区域的准确分割提出了新的挑战。因此，在做医学图像分割时，必须结合医学领域的专业知识，才能得到较好的分割结果。此外，图像分割技术本身没有标准、客观的分割结果，缺乏对分割结果的科学评价

6、相关的理论，因此有待我们进行比较理论和精确的研究(章毓晋，图像工程(中册))。本文在总结相关的肺气管分割的基础上，提出了基于最优阈值生长和形态第1章绪论学算子的高精度肺部气道树的分割算法．有效的避免了肺气管分割过程的气管泄漏和断裂的现象，实现了高精度的肺部气道树子自动分割。在本实验室的肺骨架算法的基础上，提出基于平行的3D肺部气道树的骨架提取细化算法，实现了单像素宽、连通、光滑骨架的快速提取，提取后的骨架对后续气道树的数学模型建立、虚拟内窥和肺气道树的基于标记点的配准具有重要的指导意义。1．2国内外研究概况当前，针对基于CT图像的肺部疾

7、病计算机辅助诊断系统的设计，国内外有若干研究小组展开了有关肺实质分割、肺纹理分割、3D骨架算法等方面的研究。主要有以下的三个方向：一、CT肺功能性指标的测算。肺功能指标的测量主要基于肺实质的分割，对于CT图像序列的数据集，编写算法来测量肺功能的定量指标：肺容积(肺实质的体素个数)、肺密度(肺实质的平均CT值)、像素直方图、动志肺密度。WANGPingdal(2005)，陈旭等(2002)，于立燕等(2003)采取阈值法、数学形态学和轮廓跟踪等技术对肺CT图像进行分割，可以粗略地将肺实质提取出来，但不能去除气管、克服边缘锯齿状的分割缺陷。

8、魏颖等(2006)利用水平集的方法提取肺边缘，通过初始化初始曲线，逐步迭代最终收敛到肺边缘，较好地实现了肿实质的精细分割，不足之处是：该算法模型对参数比较敏感。SamuelGArmatoIIIeta1(20