资源描述：
《医学图像处理课程论文--基于区域生长法的脑实质分割 》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、研究生课程（论文类）试题2014/2015学年第1学期课程名称：医学图像处理与分析课程代码：19000024论文题目：基于区域生长法的脑实质分割学生姓名：专业﹑学号：生物医学工程学院：医疗器械与食品学院课程（论文）成绩：课程（论文）评分依据（必填）：（1）所采用算法的难易程度；30分（2）编程所使用的工具；15分（3）论文表达的规范性；15分（4）实验数据的准确性；20分（5）结论的可靠性。20分任课教师签字：日期：年月日课程（论文）题目：基于区域生长法的脑实质分割基于区域生长法的脑实质分割BrainParenchym
2、aSegmentationBasedonMethodofRegionGrowing摘要：医学图像分割是CT图像的三维重建等后续操作的基础,分割的准确性对医生判断至关重要。针对基于区域生长的图像分割方法，简要介绍了方法原理，并使用MATLAB对有关结论进行了仿真验证，结果表明，这种基于区域生长法的图像分割方法是正确且切实可行的。关键词：图像分割；区域生长；脑实质分割Abstract:Medicalimagesegmentationisthebasisof3Dreconstructionforsubsequentopera
3、tionofCTimages,theaccuracyofsegmentationiscrucialfordoctorstodetermine.Accordingtothemethodofimagesegmentationbasedonregiongrowing,brieflyintroducedthemethodprinciple,andtherelatedconclusionisverifiedbysimulation,usingtheMATLABresultsshowthat,theimagesegmentatio
4、nmethodbasedonregiongrowingmethodiscorrectandfeasible.Keywords:imagesegmentation;regiongrowing;brainparenchymasegmentation1引言医学图像分割是正常组织和病变组织的三维重建,定量分析等后续操作的基础,也是临床医学应用的瓶颈。分割的准确性对医生判断疾病的真实情况并做出正确的诊断计划至关重要。医学图像常表现为对比度低,组织特征的可变性、不同软组织之间或软组织与病灶之间边界的模糊性、以及形状结构和微细结构(
5、血管、神经)分布的复杂性等,因此给研究医学图像分割技术造成了极大的困难[1]。近年来国内外投入了大量的人力、物力，广泛开展对医学图像分割技术的研究。从国外报道的大量文献来看,绝大多数分割研究都集中在磁共振图像上,而其中大量的研究都是针对颅脑图像。究其原因,一方面是由于MRI比其它医学图像形式具有明显的优点,使得它在临床上越来越受到欢迎,并逐渐占据了主导地位;另一方面,颅脑是人体的一个重要器官,它拥有支配和控制人的任何一项思维活动的中枢神经系统,也是肿瘤、炎症和多发性硬化症等疾病的好发部位。颅脑是人体的一个重要器官,它拥
6、有支配和控制人的任何一项思维活动的中枢神经系统,也是肿瘤、炎症和多发性硬化症等疾病的好发部位。但是,因为颅脑与人体的其它器官不同,它是由颅骨、肌肉、血管、脑膜、脑白质、脑灰质和脑脊液等不同的组织组成,这些组织相互交织在一起。由于大部分的脑结构是由这些组织的边界定义的,对这些组织进行分割在对大脑进行定量形态学的分析方面是极其重要的。精确的进行脑组织分割是进行以下几个方面应用研究的先决条件[2][3]：(1)探测影响脑实质的不同的病理条件。(2)放疗和治疗计划的制定。(3)外科手术计划的制定和仿真。(4)脑结构的3D可视化
7、和定量测量。(5)研究人脑的发育和老化机理。(6)对大脑进行功能性研究。因此，在临床上要实现对医学图像的定量测量和自动分析，首先就要解决图像的分割问题[4]。2图像分割简介图像分割(imagesegmentation)是一种重要的图像技术,它不仅得到人们的广泛重视和研究,在实际中也得到大量的应用。图像分割包括目标轮廓、阈值化、图像区分或求差、目标检测、目标识别、目标跟踪等技术。图像分割就是把图像分成各具特征的区域并提取出感兴趣目标的技术和过程。这里特征可以是象素的灰度、颜色、纹理等,预先定义的目标可以对应单个区域也可以
8、对应多个区域。图像分割是图像处理到图像分析的关键步骤,在图像工程中占据重要的位置。一方面,它是目标表达的基础,对特征测量有重要的影响。另一方面,因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式,使得更高层的图像分析和理解成为可能。借助集合概念对图像分割给出如下较正式的定义:令集合R代表整个
