基于主动形状模型(asm)的医学图像分割

《基于主动形状模型(asm)的医学图像分割》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、隶。初大·磐硕士学位论文万方数据基于主动形状模型(ASM)的医学图像分割万方数据SEGMENT公江IoNoFMEDICALIMAGEBASEDoNACTIVESHAPEMoDELAThesisSubmittedtoSoutheastUniversityIIIIIIIIIIIIUlIIIIIIIY2708726FortheAcademicDegreeofMasterofEngineeringBYZhangJiaoSupervisedbyProfessorShuHua—zhongSchoolofComputerScience&EngineeringSoutheastUn

2、iversityMay2014万方数据东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：歪燃日期：垫l±：‘!三东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。

3、本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布(包括以电子信息形式刊登)论文的全部内容或中、英文摘要等部分内容。论文的公布(包括以电子信息形式刊登)授权东南大学研究生院办理。研究生签名：。盈绛导师签名：万方数据摘要肾脏和前列腺都是人体的重要器官，近年来。肾脏疾病和前列腺疾病对人类健康造成了很大威胁。在肾脏疾病诊断中，医生经常使用CT机来对肾脏的病情进行观察，CTA(ComputedTomographicAngiography)]蛩像可以比较清晰的显示肾脏器官，对病情的诊断提供非常重要的指导信息；在前列腺疾病的诊断中

4、，医生广泛采用超声图像来对前列腺疾病进行观察，由于超声图像具有无损性、实时性以及廉价性等特点，在定量分析、实时监控以及疾病的治疗规划等方面具有极大的潜力。在医学诊断中，肾脏和前列腺的边界信息可以为医生诊断病情提供很重要的参考信息。因此将肾脏区域和前列腺区域从医学图像中分割出来具有重要的意义。为了更加精确的分割肾脏CTA图像，本文采用基于先验知识的主动形状模型(ASM：ActiveShapeModel)来对图像进行分割。通过观察肾脏CTA图像，可以看到肾脏外缘部分CT值较高，与其周围的组织有较明显的差别，但是肾脏周围的其他器官CT值与肾脏相似，并且肾脏周围组织中分布着

5、很多散点噪声，容易对分割过程产生干扰。而各向异性扩散模型能够根据图像的细节自适应的进行扩散滤波，可以在去噪的同时很好的保留边界信息，因此本文选择了各向异性扩散模型来对图像进行去噪处理。为了利用ASM算法，本文需要进行下面几个步骤：首先，为了均匀有序的获取训练集，本文采用球谐函数来表示获取的。肾脏体积模型，以此得到描述肾脏形状的训练点集；其次，本文通过利用Procrustes算法来对训练集进行对齐配准，并采用主成分分析法(PCA)对配准后的训练集进行分析，以此得到肾脏的统计形状信息；再次，在去噪后的图像中再利用其统计形状通过ASM算法来进行图像分割；最后，本文对分割结

6、果进行评价，采用MAD(Meanabsolutedistance)方法得到平均分割误差为2．9695mm，采用DSC(Dicesimilaritycoefficient)方法得到平均分割准确率为94．38％，由此可以证明本文分割方法有较高的有效性和准确性。由于超声图像有自己固有的缺点，比如分辨率和对比度低、图像中有散点噪声等问题，使得精确分割超声图像充满困难。为了更准确的对2D超声图像进行分割，本文需要对超声图像进行预处理。在图像中纹理信息是很重要信息，可以为超声图像的分析和识别提供大量的信息。而Gabor滤波器可以从不同尺度和方向上来提取图像纹理。因此本文使用Ga

7、bor滤波器来提取超声图像的纹理信息，然后利用K．means聚类器对提取的纹理图像进行分类，将图像分为了前列腺区域和非前列腺区域，分类后的图像作为待分割图像。为了利用ASM算法，本文需要进行下面几个步骤：首先，为了获得训练集，本文将医生手工标记的前列腺轮廓点进行插值，进而得到表示其轮廓的训练点集；其次，本文通过利用Procrustes算法来对训练集进行对齐配准，并对配准后的训练集进行主成分分析(PCA)，以此计算得到前列腺统计形状信息；再次，在预处理后的图像中利用其统计形状通过ASM算法进行图像分割；最后，本文对分割结果的进行评价，采用MAD方法得到的平均分割误