基于活动轮廓模型的医学图像分割方法研究

《基于活动轮廓模型的医学图像分割方法研究》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、大连理工大学硕士学位论文摘要医学图像主要包括x射线断层(CT)、超声、核磁共振(MIu)等图像，其在人体内部组织器官的定量分析、实时监控和治疗规划等方面都具有重要的作用。利用医学图像进行诊断时，常根据需要将特定的组织器官或感兴趣的区域(ROI)提取出来，以便更好地对其进行分析和诊察，这个过程就是图像分割。由于医学图像本身分辨率较低、对比度较低，以及固有噪声的影响，使用传统的图像分割方法很难达到要求。活动轮廓模型法是研究人员近十几年来使用的较新的图像分割和跟踪方法，从动力学角度来研究曲线的演化过程，通过计算得到

2、图像感兴趣区域的连续闭合边界。实践已经证明，它较以往的图像分割方法有较大改进，比较适合医学图像的分割。但EEL于该方法还比较年轻，本身还存在一些问题，这在一定程度上限制了它在临床中的实际应用。针对以上情况，本文旨在通过对活动轮廓模型法的深入研究的基础上，改进或提出适用于医学图像的分割处理方法，这同时也是对低信噪比图像处理的有益探索。本文首先对医学图像分割方法进行了总结，然后对活动轮廓模型的主要方法以及其对医学图像的分割结果进行了较为全面的分析。从分析中可以看出这些活动轮廓模型方法在某些方面还存在一定的不足。之

3、后，本文从三方面展开工作：第一，结合小波变换，对小波变换模极大值检测方法进行算法上的改进，在边缘检测精度和效率两方面都有所提高，然后结合梯度矢量流模型对医学图像进行分割。该方法能够克服医学图像固有的噪声的影响，对目标轮廓提取的效果较好。第二，对较新提出的静电力活动轮廓模型，在肯定其抗噪能力的同时，针对其作用力等方面的局限性，采用自适应加权函数进行扩展，根据图像边缘特征自动设定加权参数，动态控制模型曲线受到的静电外力。该方法能够减小外部能量场中存在的局部最小，扩大外力的作用范围，提高医学图像的分割精度。第三，对

4、活动轮廓模型的曲线几何演化一水平集法进行了比较全面的研究，将其应用于医学图像的分割处理。该方法能够比较好的克服噪声的影响，轮廓曲线较准确的逼近待分割组织。关键词：医学图像分割；活动轮廓模型；小波变换：静电力；水平集大连理工大学硕士学位论文StudyonMedicalImageSegmentationBasedonActiveContourModelAbstractMedicalimagemainlyincludescomputerizedtomography(CT)，ultrasoundimageandmag

5、neticresonanceimage，etc．Itisveryimportantforquantitiveanalysis，real—timemonitoringandtreatmentscheduling．etc．‰nmedicalimagesareutilizedtodomedicalanalysisanddiagnosis，it'susualtoextractthespecificorgansorregionsofinterest(ROI)todofurtheranalysisbetter,thepr

6、ocessisimagesegmentation．Traditionalimagesegmentationmethodscannotsatisfyusbecauseofmescalimage’slowresolution，lowcontrastandintrinsicnoises．Activecontourmodelisnewlyusedimagesegmentationandtrackingmethodsbyresearchersinrecenttenyears．Itresearchestheevolvem

7、entprocessofcurveindynamicsangleandgetstheROI’scontinuousandclosebordersbycomputation．Practicesprovethatthememodhasgreatimprovementthanformerimagesegmentationmethodsandadaptstomedicalimagesegmentation．Butitisrestricttouseinclinicalpracticeinsomedegreebecaus

8、eofproblemsitself．Basedontheabovefacts，thisthesisdoesall—aroundresearchesonactivecontourmodeltoimprovecurrentalgorithmsorproposenewmethodsformedicalimagesegmentation．It’salsoameaningfulexplorationforth