基于CT图像的肝脏分段方法研究

《基于CT图像的肝脏分段方法研究》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、华中科技大学硕士学位论文摘要肝癌是世界上死亡率最高的疾病之一。造成肝癌高死亡率的主要原因是肝癌早期临床症状不明显，当临床检测出肝癌的时候往往已经处于晚期，错过最佳治疗时机。另外由于肝癌治疗复杂，需要通过术前评估和综合分析来进行手术方案的选择，而目前缺乏综合分析和评估的条件，从而不能选择有效的方法对肝癌进行治疗。随着计算机辅助诊断和图像处理技术的发展，使得肝癌的早期诊断和手术综合治疗方案的选择成为可能。因此通过获取临床病例图像，结合图像处理技术，实现肝癌的辅助诊断和手术规划就有非常重大的现实意义。本文主要对肝脏分段方法展开了研究,肝脏分段是手术方案设计、路径规划和风险评估的重要依据。通过对肝脏进

2、行分段，可以更加精确的显示各肝段的具体形态和体积，结合肝脏内部血管系统，可以实现肝脏手术的路径规划并可评价肝脏切除和移植的风险性。在进行肝脏分段之前首先进行肝脏分割，为肝脏分段奠定基础。肝脏分割也是研究的难点和重点之一。它是血管分割、肿瘤分割和肝脏分段的前提，并且通过对肝脏的形态、体积和结构等的分析，可以进行肝癌的辅助诊断和风险评估。肝脏分割过程中，我们选择了半自动的基于形状检测水平集的分割方法。该方法首先对原始图像进行灰度窗调节、插值和各向异性滤波等预处理，完成分割所必须的数据准备。之后利用形状检测水平集进行初始分割，得到肝脏的初始轮廓。最后利用形态学操作对初始轮廓进行边界优化，实现了肝脏的

3、分割。肝脏分段过程中，我们按照Couinaud提出的肝脏分段原理，依据不同门静脉分支所属邻域进行肝脏的分段，采用了基于距离变换和Voronoi图的方法实现了肝脏的分段。该方法首先需要分割得到肝脏轮廓和门静脉血管树，之后对血管树重建，并交互式的实现对门静脉血管树的分级标记。最后，对标记后的中心线数据进行距离变换，通过Voronoi图算法实现肝脏的功能性分段，并通过三维重建得到不同肝段的三维形态。关键词：预处理，肝脏分割，水平集，肝脏分段，距离变换，Voronoi图I华中科技大学硕士学位论文AbstractLivercancerisoneofthehighest-mortalitydiseases

4、intheworld.Livercancer’sclinicalsymptomsarenotobvious.Whenthelivercancerisdiagnosed,it’softeninthelaterperiod.Sothebesttreatmentismissed.Besides,it’sdifficulttochooseaneffectivemethodfortreatmentlivercancer,whichleadstolowercurerateforlivercancersurgery.Therefore,it’sverynecessarytocarryoutapre-oper

5、ativeassessmentandcomprehensiveanalysisforthelivercancer.Withthedevelopmentofcomputer-aideddiagnosisandimageprocessingtechnology,theearlydiagnosisforlivercancerispossible.Bytheadoptionofclinicalimages,weusetheimageprocessingtechnologytorealizelivercancer’sdiagnosisandsurgicalplanning，whichhasgreatpr

6、acticalsignificance.Inthispaper,theliversegmentationandliversegmentarethemainresearchcontents.Liversegmentationisthebasisforcomputer-aideddiagnosisandsurgery.Theliversegmentisusedtoguidethesurgicalprogramdesign,pathplanningandriskassessment.Intheliversegmentationprocess,wechosethesemi-automaticmetho

7、d,whichnamedshapedetectionlevelset.Firstofall,theimagepre-processingwascarriedout.Thisstepincludeswindowadjustment,interpolation,andanisotropicfiltering.Thenweusedtheshapedetectionlevelsettosegmentthe