基于改进图割算法的脑部mri分割技术研究

《基于改进图割算法的脑部mri分割技术研究》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、学校代码１０如３Ｉ学号２０１３０３５０ｗ级公井＿￣ＵＤＣＩ禱屋＆畔扳《偉＞ＧＵＡＮＧＸＩＴＥＡＣＨＥＲＳＥＤＵＣＡＴＩＯＮＵＮＩＶＥＲＳＩＴＹ硕古学位论文基于改进困割算法的脑部ＭＲＩ分割技术研究ＴｈｅＢｒａｉｎＭＲ１Ｓ巧ｍｅｎ化ｔｉｏｎＴｅｃｈｎｏｌｏＲ的ｅａｒｃｈＢａｓｅｄｏｎｇｙＩｍｐｒｏｖｅｄＧｒａｐｈＣｕｔＡｌｇｏｒｉｔｈｍ学科专业：计算机科学与技术专业方向；大数据与数据挖捆二级学院：计算机与信息工程学院年级：２０１３级研究生

2、姓名；田换导师姓名及职称；元昌安教授完成日期；２０１６年６月１广西师范学院硕±学位论文（申请理学硕±学仿）基于改进图割算法的脑部ＭＲＩ分割技术研究ＴｈｅＢｒａｉｎＭＲＩＳ巧ｍｅｎ化ｔｉｏｎＴｅｃｈｎｏｌｏＲｅｓｅａｒｃｈＢａｇｙｓｅｄｏｎＩｍｐｒｏｖｅｄＧｒａｐｈＣｕｔＡｌｏｒｉ化ｍｇＩ专业名称；计算机科学与技术申请人姓名：田换；导师姓名及职称＊：元昌安教授答辩委员会成￡（签名）主席‘：委员：二〇—六＾六月．？广西师范学院硕±

3、学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中己经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集体，均已在文中Ｗ明确方式标明。本一人如违反上述声明，愿意承担由此引发的切责任和后果。学位论文作者签名：巧寺若、签字日期：兴／《年《月Ｉ日学位论文使用授权说明本人完全了解学校关于保留、使用学位论文的各项规定，同意Ｗ下事项：１、学校有权保留并向有关部口送交本论文的复印件和

4、电子版，汇允许论文被查阅和借閑，可Ｗ采用影印、缩印或扫描等复制手段保存、编学位论文；２、本人授权广西师范学院可将本论文的全部或部分内容编入有关数据库供查阅、检阅。ｉ保密□，在年解密后适用本授权书。３、本论文属于不保密分＂＂（请在Ｌ乂上方框内打Ｖ）学位论文作者签名：巧寺Ｉ；签字日期６．１、导师签名：签字曰期：义）／《．女Ｉ摘要图像分割在图像学中是比较底层的技术，它为计算机视觉研究、深层次的图像分析打下基础。近年来，随着医疗领域的不断扩大和发展，各种各样的医疗设备也不断的出现，这为

5、临床医学提供了大量的影像数据，很多学者将计算机视觉和临床医学结合在一起，利用图像分割工具来辅助医生定量分析医学影像，从而进行诊断和拟定完善诊断方案。其中大脑作为人体最主要的核心器官，很多精神疾病心理疾病（精神呆滞、老年痴呆、多动症及妄想症等等）都和大脑内一些组织结构息息相关，因此，研发出一种能够快速准确的提取这些组织结构的工具和技术显得刻不容缓。在过去的几十年里，图割优化技术因其易扩展，速度快，而受到广大研究者的欢迎，将其应用于图像分割领域。由于脑部MRI具有组织结构的复杂性，各组织之间的灰度的对比度不大，灰度分布也不匀等特殊性

6、，应用传统的图割算法进行分割可能出现边界萎缩及局部最优的情况，因此为了达到更好的分割脑部组织结构的目的，本文深入研究了图割理论，在传统图割算法的基础之上做出了一些改进。为了克服原始图割算法在操作者选择较少像素种子点的情况下，目标边缘很容易发生错误分割这一现象，本文提出了基于k-means和图割(GraphCutGC)算法相结合的KMGC算法，对脑部核磁共振成像（BrainNuclearMagneticResonanceImagingMRI）进行交互式操作，该算法通过k-means聚类，对脑部MR图像的灰度分布不均匀作了处理，在此

7、基础上，再使用图割算法进一步对脑部MR图像进行细化，从而达到有效地分割脑白质和脑灰质的目的。本文不仅对脑白质和脑灰质进行分割，还对脑灰质中深层核团-尾状核组织进行了分割，但由于尾状核在灰质中对比度很低，边界模糊等特点，要想把它们从灰质中分割出来，仅利用图像灰度信息是不够的，因此本文提出了基于自适应模糊连接度和graphcut相结合的方法（adaptivefuzzyconnectednesscombinedwithgraphcutAFCGC）对尾状核进行分割，并分别对本文第三章和第四章的算法和其他对比算法进行了定性和定量分析，验证

8、了本文算法在分割结果优于其他算法。本文所做的主要研究工作如下：1）对MR图像的分割方法及对其评价方法进行了总结。2）对图割技术进行了研究，并指出传统图割算法的不足及改进方法。3）提出并验证了KMGC算法对大脑灰质和白质的有效分割。4）提出并验证了AFCGC算法对