chan-vese模型下的脑肿瘤图像分割方法

《chan-vese模型下的脑肿瘤图像分割方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据ComputerEngineeringandApplicationa计算机工程与应用2010，46(9)155Chan—Vese模型下的脑肿瘤图像分割方法许存禄-，高佳-，武国德：XUCtm—h1．GAOJiaI,WUGuo—de21．兰州大学信息科学与工程学院，兰州7300002．兰州大学第二附属医院神经内科，兰州7300001．SchoolofInformationScienceandEngineering，LanzhouUniversity，Lanzhou730000，China2．Department

2、ofNeurology，SecondAffiliatedHospitalofLanzhouUniversity，Lanzhou730000，ChinaE-mail：clxu@lzu．edu．cnXUCun-lu．GAOJh。WUGuo-de．BraintumorimagesegmentationmethodbasedOnChart-VesemodeLComputerEngi-neeringandAppficatlons。2010。46(9)：155-158．Abstract：Abraintumorimagesegme

3、ntationand3DreconstructionmethodisproposedbasedOnChan-Vesemodel．Thebraintumorimageisfirsterodeditemtivelybyusingmorphologicalerosiontoextractthebraintumorcontour．Thenthebraintumorin-eludedinerodedimageissegmentedbytheChan-Vesemodel．Theimageisfinallydilateditera

4、tivelybyusingmorphologicaldi-lationtorestoretheimage．Moreover，allsegmentedbraintumorimagesarereconstructedandlocatedtothreedimensions．Experi-mentalresultsshowthatthealgorithmbasedonChan-VesemodelCallsolvetheproblemofincompletesegmentationeasilyoc—cu玎edinbraintu

5、nlorsegmentationprocess．Atthe8aluetime．the3Dreconstructionandlocationofthebraintumorofferagreatreferencevalueinclinicalwork．Keywords：braintumor；imagesegmentation；Chan-Vesemodel；3Dreconstructionandlocation摘要：提出了一种基于Chan—Vese模型的脑肿瘤图像分割与三维重构方法。该方法首先通过对脑肿瘤图片的迭代腐蚀操作

6、提取脑肿瘤轮廓，然后利用Chan—Vese模型时脑肿瘤进行分割，最后对图像进行迭代膨胀操作复原图像。另外对所有分割后的脑肿瘤图片进行了三维重构与定位。实验结果表明，基于Chan—Vese模型的图像分割方法很好地解决了脑肿瘤分割过程中容易出现的不完全分割问题，同时对脑肿瘤的三维重构与定位也具有较大的临床实用价值。关键词：脑肿瘤；图像分割；Chan—Vese模型；三维重构与定位DOI：10．3778q．issn．1002—8331．2010．09．044文章编譬：1002—8331(2010)09-0155—04文献标识

7、码：A中图分类号：TP3911引言医学图像分割是医学图像处理过程中的重要步骤，医学图像中的脑肿瘤分割【·要求不仅要快速，而且要准确地对脑肿瘤进行分割操作。同时，医学图像分割也是图像处理领域中的一个经典难题，迄今为止还没有出现某种分割方法对各种医学图像的分割达到令人满意的地步。一般而言，根据具体的情况可以选择不同的图像分割方法，但基于模型和基于区域的分割方法口是比较常用的分割方法。基于模型的分割方法包括活动轮廓模型(可变型模型)口和水平鼻掣噶算法，分别由Knssetal嘲耵OsherandSethian喂出。在此基础上

8、TonyChan和LuminitaVe靶嘲共同提出了Chart—V嘲}呻I莫型。E述算法的核心思想是在分割目标附近初始化一条可变型能量曲线，然后这条曲线不断朝着分割目标的边界变型，当曲线即将与目标边界重合时能量几近为零，从而达到分割的目的。这种方法的优点是通过设置种子区域，可以快速地对图像进行分割操作，但由于过度依赖分割目标的梯度或亮度信息，同