基于纹理特征的颅脑CT图像病变自动化检出算法研究

《基于纹理特征的颅脑CT图像病变自动化检出算法研究》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、中国科学技术大学博士学位论文基于纹理特征的颅脑CT图像病变自动化检出算法研究姓名：周平申请学位级别：博士专业：生物医学工程指导教师：周康源20070401中国科学技术大学博士学位论文摘要2．针对基于特征的非刚性配准算法，提出了一种基于纹理层析向量的对应标志点的自动搜索算法。非刚性配准技术是实现病变检出的核心，本文在深入研究各类非刚性配准技术的基础上，针对基于特征的非刚性配准算法需要手工介入，无法实现完全自动化的缺点，提出了一种基于纹理层析向量的对应标志点搜索算法。本文通过在待配准的颅脑CT图像内自动搜索与目标图像具有相似纹理区域的标志点，实现了对应标志点的全自动搜索。实验结

2、果证明，这种对应标志点的自动搜索算法标记正确率较高，可以解决基于特征的非刚性配准算法需要手工介入的问题。3．提出了一种新型的数字化统计图谱——纹理层析向量图谱，并实现了颅脑CT图像纹理层析向量图谱的计算机自动化创建。J下常图像主要是通过数字化统计图谱进行计算机描述，本文在研究了现有类型的数字化统计图谱后。为弥补现有类型图谱在描述正常人图像纹理特征方面的不足，利用前面有关纹理层析向量的研究结果，提出了基于纹理层析向量的颅脑CT图像的数字化统计图谱的构造算法。本文成功的实现了二维颅脑CT图像的纹理层析向量图谱的计算机自动化创建。纹理层析向量图谱描述了颅脑CT图像的纹理特征。4．

3、应用颅脑CT图像的纹理层析向量图谱，实现了对钙化、脑出血等病变的计算机自动化检出。由于大多数病变的影像学表现为图像的纹理变化，因此本文从分析图像的纹理信息入手，利用前面创建的颅脑CT图像的纹理层析向量图谱，通过比较待诊断图像各个区域的纹理层析向量与图谱间的差异，实现了对钙化、脑出血等病变的计算机自动化检出。关键词：纹理，纹理层析向量，数字化统计图谱，小波变换，颅脑CT图像，非刚性配准，病变检出第¨页共X页中国科学技术大学博士学位论文AbstractWiththerapiddevelopmentofscienceandtechnology,newandmodemequipme

4、ntssuchasMulti—sliceSpiralComputedTomographyhavebecometheleadinginstrumentsformedicalimaging．Theseequipmentsproducevolumedataofhighqualityandlargequantity．Whilevolumedataprovidesmoreandmoredetailedandaccuratediagnosticinformationfortheradiologist,italsoincreasessignificantlytheworkloadofra

5、diologists．Overloadwouldexacerbatetheradiologist’Sfatigueandincreasethepossibilityofoverlookingandmistakinginthecourseoffilmreading．Insteadofmakingdiagnosiseasier,newequipmentputsradiologistsintoadilemmaanditsadvantageshavenotbeenexploited．Astheseincreasinglyadvancedequipmentsarerapidlyand

6、widelyputintouse，theincompatibilitybetweenmodernequipmentsandtraditionalhumanfilmreadingwouldbecomeevenmoreevidentandmoreacute．Tokeeppacewiththedevelopmentofmodemmedicalimagingtechnology,researchdirectingtorealizeComputerAidedDiagnosisorComputerIntelligentDiagnosishasbecomethemajorchalleng

7、eandgeneraltrendinthefieldofmedicalimagingprocessingandanalysis．Thefirstandbiggestobstacletoclearonthewaytocomputerintelligentdiagnosisishowtodetectthelesiononthemedicalimage．Inordertosuccessfullydetectpathologyonmedicalimage，manyoftheimageprocessingtechniques