基于局部区域的稀疏回归模型的肝脏图像分割方法.pdf

《基于局部区域的稀疏回归模型的肝脏图像分割方法.pdf》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、硕士学位论文基于局部区域的稀疏回归模型的肝脏图像分割方法ANovalMethodforLiverImageSegmentationBasedonSparseRegressionModelforLocalRegion许政哈尔滨工业大学2018年6月国内图书分类号：TP391.41学校代码：10213国际图书分类号：681.39密级：公开工学硕士学位论文基于局部区域的稀疏回归模型的肝脏图像分割方法硕士研究生：许政导师：程远志教授申请学位：工学硕士学科：计算机科学与技术所在单位：计算机科学与技术学院答辩日期：2018年6月授予

2、学位单位：哈尔滨工业大学ClassifiedIndex:TP391.41U.D.C:681.39DissertationfortheMasterDegreeinEngineeringANovalMethodforLiverImageSegmentationBasedonSparseRegressionModelforLocalRegionCandidate：XuZhengSupervisor：Prof.ChengYuanzhiAcademicDegreeAppliedfor：MasterofEngineeringSpec

3、iality：ComputerScienceandTechnologyAffiliation：SchoolofComputerScienceandTechnologyDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要近几十年来，随着计算机技术在医学成像领域的不断发展与广泛应用，医学图像分割技术也获得了前所未有的发展空间。肝脏分割就是根据人体肝脏解剖学特征和肝脏医学图像灰度、纹理和

4、统计结构信息，将肝脏从人体腹部CT医学图像内部分割出来。因此，实现全自动、高效且准确的肝脏分割在术前规划、疾病诊断和计算机辅助介入治疗等方面具有深远的意义。本文采用了基于主动形状模型的肝脏分割框架。该分割框架不仅使用了肝脏CT医学图像的图像特征，而且还考虑了特定的肝脏结构形状先验信息，从而减少了在肝脏CT医学图像分割中出现的欠分割和过分割的情况。本文提出了一种基于灰度值标准差和空间坐标标准差的归一化准则，该准则既使用了肝脏图像的灰度值信息，又考虑了肝脏的空间形状变化。因此，该准则既可以对正常的肝脏形状进行准确的区域划分，

5、又可以对具有复杂结构和含病灶的肝脏形状进行有效、准确的区域划分。受到基于稀疏回归的光谱解混方法的启发，本文将稀疏回归引入到人体肝脏分割中。本文利用肝脏形状模型可以近似为肝脏形状库中的稀疏线性组合形式，从而提出一种基于局部区域的稀疏回归模型。为了求解该模型，本文首先将这个稀疏回归优化问题转化成一个只含单变量的基追踪降噪问题，然后使用交替方向乘子算法求解转化后的只含单变量的基追踪降噪问题。本文中使用的基于主动形状模型的肝脏分割框架对肝脏区域的初始化位置非常敏感。为了得到待分割肝脏的初始化形状，本文考虑使用了基于图谱的肝脏形状

6、初始化方法来完成肝脏形状的初始化。为了使本文所使用的基于主动形状模型的分割框架更加有效且更加精确，本文提出了多尺度自适应肝脏分割策略。首先利用构建好的多尺度自适应高斯滤波器对训练数据集中的所有肝脏图像进行处理。然后再结合本文提出的基于局部区域的稀疏回归模型的肝脏分割方法，对肝脏进行分割。最后，本文使用10组临床腹部CT医学图像进行肝脏分割测试实验。为了评估本文所提出的肝脏分割方法的分割性能，本文将基于局部区域的稀疏回归模型的肝脏分割方法与肝脏分割竞赛中排名前十的方法对比。实验结果表明，本文所提出的肝脏分割方法具有较好的泛

7、化能力和分割性能。关键词：肝脏分割；稀疏回归；主动形状模型；多尺度自适应模型；-I-哈尔滨工业大学工学硕士学位论文AbstractWiththerapiddevelopmentandwideapplicationofcomputertechnologyinmedicalimaging,medicalimagesegmentationalsogetsaunparalleledspacefordevelopment.Liversegmentationistheseparationoftheliverfromtheabdomi

8、nalCTimageaccordingtoanatomicalfeaturesoftheliverandinformationaboutintensity,textureandstatisticalstructureoftheliverimage.Therefore,theachievementofautomatic