三维医学图像分割方法研究

《三维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、摘要摘要题名：三维医学图像分割方法研究硕士姓名：钱海勇导师姓名：罗立民教授学校名称：东南大学分割方法种类繁多，本文主要研究可形变模型在三维医学图像分割中的应用。一般说来，可形变模型可以被分为参数可形变模型和几何可形变模型两大类。对于参数可形变模型，本文介绍了其理论基础，简要说明了几种常用的外力模型，同时本文讨论了在三维分割应用过程中内能和外能的计算要点，给出了实验结果，同时探讨了如三维分割中初始面确定，重采样，步长等问题。对于几何可形变模型，本文也作了归纳和总结：介绍了曲线变换理论和水平集方法的基本思想：列出了几种不同种类的几何可形变模型

2、；介绍了水平集方法的两种有代表性的快速实现方法：简单介绍了几何可形变模型和参数可形变模型的关系。介绍了Mumford．Shah模型，并在此基础上提出了简化Mumford．Shah模型快速计算方法，详细阐述了该方法的设计思想及实现过程。通过实验证明，该方法较传统chart．vege模型能提高分割速度。同时特别针对MRA图像中的小血管的分割，提出了逆浓度扩散模型，用于图像增强。通过结合逆浓度扩散模型和简化Mumford．Shah模型，给出了MRA血管分割的实验结果。最后本文还简单介绍了基于GPU的三维图像分割，给出了阈值分割、擦除、传输函数的

3、实现方法，并给出了实验结果。关键词：可形变模型；三维图像分割；GVF；GGVF；水平集方法；Mumford—shah模型；逆浓度扩散模型：GPU三维图像分割AbstractThesisTitle：ResearchofThreeDimensionMedicalImageSegmentationMethodsAuthor：QianHaiyongThesisSupervisor：ProfessorLuoLiminSchool：SoutheastUniversityThereexistmanysegmentmethods，whileinthisp

4、aperwemainlyfocusonthedeformablemodelsusedin3-Dmedicalimagesegment．Generallyspeaking，deformablemodelsCallbedividedintotwotypes，theparametricdeformablemodelsandthegeometricones．Asfortheparametricdeformablemodel，first，webrieflyintroduceitsbasictheories．Then，indetails，severa

5、lfrequentlyusedexternalforcemodelsareexplained．Meanwhile，thekeyproblemsoncalculationofself(external)energyintheprocessof3-Dsegment,initiationofinterface，issueonre-sampling，andthestepsizewillbediscussed．Intheend，experimentresultswillbegiven．Thenforthegeometricdeformablemod

6、el。wealsomakeageneralizationoncurveTransformationtheory,andthebasisoflevelsetmethod．Severalgeometricdeformabletheoriesofdifferenttypesarcenumerated，especiallythetworepresentativefastalgorithms．Finallytherelationshipbetweenparametricandgeometricdeformablemodelswillbediscus

7、sed．BasedonMumford-Shahmodel，weputforwardafastalgorithmonMumford-Shahmodel．Thebasicdesignthoughtsandrealizationprocessarcdiscussedindetails．Largenumberofexperimentresultsprovethat，comparedwiththechan-vesemodel，ourmethodcangreatlyenhancesegmentspeed．Particularly,aimingatth

8、esegmentofmicro·vessels，weworkoutaanti-concentrationdiffusionmodeltoenhancetheoriginalimages．Exp