医学图像血管分割方法的研究

《医学图像血管分割方法的研究》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、医学图像血管分割方法的研究摘要计算机技术的广泛应用，为医学成像技术的发展奠定了坚实的基础，医学成像技术的不断完善与进步，反过来又为计算机技术的发展开辟了更广阔的天空。两者的相互结合相互促进，产生了一门新兴的交叉学科—医学可视化。医学可视化包括医学图像的分割、配准、重建和显示等密不可分的几个部分。分割，是把感兴趣区同周围结构相分离的过程，也是进行配准、重建、显示之前所必需的一个环节，分割结果的好坏也直接影响到后续工作的质量。血管的分割、重建及三维显示对指导临床外科手术以及血管疾病的诊断与治疗都具有很高的指导价值。本文的研究目的是要提出一种可行的人体血管树系统的分割方法。论文分为以

2、下几个部分:首先分别研究了模糊连接算法与水平集算法在血管分割中的理论基础和实用价值，证明了模糊连接与水平集在血管分割中具有各自特有的优势。接着针对两种方法的特长，将两种方法的优点进行了结合，提出了一种基于断层图片轮廓提取的三维分割方法。该方法在XY水平面上通过水平集方法提取出感兴趣区的轮廓，在Z方向上根据模糊连接寻找感兴趣区。并且本文从理论与实践两方面进行了论证。最后对该方法所存在的问题进行了分析，讨论了改进方案。关键词:水平集，模糊连接，分割，三维重建，血管，医学图像医学图像血管分割方法的研究AbstractAnaccurateanalysisofvascularsystem

3、sinvolumetricimagedataisgainingincreasingimportanceforavarietyofmedicalapplications.Preciseknowledgeofthemorphologyandstructureofavascularsystemallowsforquantitativediagnosis,surgicalplanning,andoutcomeassessment,aswellasformonitoringoftheprogressionofvasculardisease.Thispaperpresentsanewblo

4、odvesseldetectionapproachtomedicalimagesegmentation.Itusesboththeconceptoffuzzyconnectednessandlevelsetalgorithm.Inordertospeeduptheprocessofsegmentation,wedevelopasimplifiedfuzzyconnectednessmethod,whichreducescomputationofneighboringpointsandsearchingpaths.Bothsimulationoftube-likeEnglishc

5、haractersandevaluationofclinicalMRIimagesshowthatthemethodworksefficientlyandefectively.Thenewmethodconsistsoftwophases.Afterthecontoursofbloodvesselsareextractedineachimageslice,alevelsetalgorithmisusedinzdirectiontoreconstruct3Dimageofthebloodvesseltree.Theresultsshowthatthenewcombinedtwo-

6、phasemethodisapromisingandefectivesegmentationtechniquefor3Dreconstructionofbloodvesseltreefrommedicalimages.Thethesisconsistsofthefollowingparts:Atfirst,weanalyzedthetheoreticalandpracticalvalueoffuzzyconnectednessandlevelsetalgorithmapplyinginthesegmentationof医学图像血管分割方法的研究bloodvesselrespec

7、tively.Afterthat,wecombinedthesetwopartstobringanew3Dsegmentationmethodforthevasculartreesystem.Atlast,weanalyzedtheproblemexistinginthismethodandthendiscusstheimprovementscheme.Keyword:LevelSet,FuzzyConnectedness,Segmentation,3DReconstruction,bloo