基于词袋模型的mr图像脑肿瘤分割方法的研究

《基于词袋模型的mr图像脑肿瘤分割方法的研究》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、南方医科大学2011级硕士学位论文基于词袋模型的MR图像脑肿瘤分割方法的研究StudyonsegmentationofMRimagesforbraintumorbasedontheBoWmodel课题来源：国家863计划项目课题基金(2012AA02A616)；学位申请导师姓专业名培养类培养层所在学人赵建奇名陈武凡教授冯前进教授称生物医学工程型学术型次硕士院生物医学工程答辩委员会主席吴建华教授答辩委员会委员黄瑞旺教授许乙凯教授韩国强教授赖剑煌教授2014年5月20日广州硕士学位论文基于词袋模型的MR图像脑肿瘤分割方法的研究硕士研究生：赵建奇指导老师：陈武凡教授冯前进教授摘要脑

2、肿瘤是指由致癌因素作用导致的脑部局部组织异常增生而形成的病变。脑肿瘤会对正常的脑组织构成压迫，使局部缺血变性，导致正常功能出现障碍。随着肿瘤体积的增大，会引起脑积水和脑水肿，导致颅压增高，影响患者呼吸心跳中枢从而导致病患死亡。在我国排名前十位的肿瘤病种的死亡率统计中，脑肿瘤以每10万人死亡4人的死亡率排在第九位，死亡率较高，因此对人类和社会的危害巨大。脑肿瘤的影像学资料作为贯穿脑肿瘤诊断与治疗等一系列临床操作过程的基础，具有十分重要的意义。在如今的几大主要的医学影像设备即X线、计算机断层扫描(ComputedTOInography，CT)、核磁共振成像(MagneticRes

3、onanceIInagm舀MRj)中，脓由于其无辐射伤害，软组织分辨率高等优点尤其适用于脑肿瘤的诊断与治疗。在1938年核磁共振现象被发现之后，核磁共振技术经历了快速的发展并与1977年第一次应用于人体扫描。历经30多年的发展，核磁共振成像装置现已遍及各层次医疗机构，核磁共振成像已成为医学影像学中最主要的检查手段之一。利用脉检查能够在肿瘤出现的早期及时发现病变，为临床医生的诊断提供切实可靠的影像学信息，便于医生针对病患指定有效的治摘要疗方案。在肿瘤的治疗及预后阶段，利用凇检查还可以指导手术过程的进行，测量肿瘤的体积及位置，为医生带来了许多便利，使脑肿瘤的诊断与治疗更加方便、更

4、加有效。但在现阶段，脑肿瘤的分割一般由有经验的医生手工进行，手工分割对医生的专业知识及临床经验都有很高的要求，分割过程耗费时间长，同时容易引入人为误差，分割结果因人而异。因此，在临床与科研的巨大需求之下，m脑肿瘤图像的自动分割一直是近些年来的研究热点。但凇脑肿瘤图像的自动分割算法的研究一直以来都面临着一些困难，这些困难主要包括：凇自身的成像原理与技术的限制；图像采集过程中外部环境、设备本身和操作人员等因素的影响；脑组织本身的复杂结构；不同个体间的巨大差异等。为了解决这些问题，研究者们从不同的方面着手，提出了许多相关的算法，主要包括：以微分算子和形变模型方法为代表的基于边缘的分

5、割方法；以阈值法和模糊聚类方法为代表的基于区域的分割方法；其他代表性的方法如图谱法和基于分类器的方法等。基于边缘的分割方法的原理是因为区域边缘上的像素灰度值的变化往往比较剧烈，所以可以通过检测不同区域间的边缘来解决图像分割问题。微分算子法通过利用图像的一阶或二阶导数在阶跃边缘和屋脊边缘取值不同的特性来检测图像的边缘，其方法实现简单，边缘检测效果较好，是学习图像处理过程中的必备方法。但由于边缘检测算子对噪声十分敏感，对医学图像而言单纯的依靠微分算子进行图像分割往往得不到满意的结果。形变模型法通过内力外力的结合作用使轮廓逐渐的靠近图像边缘从而得到分割结果，但形变模型方法严重依赖初

6、始轮廓且容易陷入局部极值，因而应用有限。基于区域的分割方法的原理是将图像上具有相同属性的像素点归类，依据像素点集合的相似性进行图像分割。阈值法是最简单的基于区域的分割方法，通过设计不同的阈值选择标准来满足不同的分割需求，但医学图像尤其是脑部MR图像因包含大量的不同组织且各组织相互之间存在着灰度范围的重叠，因而阈值分割方法的效果不尽如人意。模糊聚类法将模糊数学理论引入聚类算法中，II硕士学位论文通过分配不同的隶属度，在最小化类间相似性的同时使类内的相似性最大化，从而判断对象的归属类别最后完成分割。模糊聚类算法的缺点在于算法性能依赖初始的聚类中心，对医学图像而言该算法容易陷入局部

7、极值，得不到全局最优解。图谱法通过预先准备好的图谱，将带分割图像配准到图谱上从而完成分割。对医学图像来说，因为图像中的解剖结构等知识是已知的，因而图谱法可以通过有效的利用这些先验知识来完成分割。但图谱法的结果受配准精度的影响很大，同时由于病患的复杂性，如何构建足够充分的图谱集也是研究者们面临的一大挑战。基于分类器的分割方法将分割问题看作像素点的分类问题，通过提取像素点的相关特征，利用分类器将像素点分门别类，由于分类器算法能够有效利用图像的高维特征，因而通过提高像素点具有的相关特征的辨别能力就能有效地提高