Snake模型在医学图像分割上的应用分析

《Snake模型在医学图像分割上的应用分析》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、浙江工业大学硕士学位论文segmentation．Combiningthepriorknowledgeofthemedicalimagestothesnakemodelsisoneofdevelopingtrends．Thisthesisanalysethecharacteristicofthemedicalimagesandimprovethesnakemodels埘thanexWa．ellipticforcewhichiscomputedbyellipticCUrvefitting，whichoanmain

2、taincontourswi也theellipticshapesduringtheconvergingTheexperimentsfollowedshowthatthemethodsaboveworkwellinthemedicalimagesandcanbeeasilyappliedinclinicsystems．KEYWORDS：snakemodels,priorkonwlodge,initialcontoor，parameterconfiguration，watershedalgorithm,121rye

3、fittingIII浙江工业大学学位论文原创性声明本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人承担本声明的法律责任。作者签名：该豸高日期：叼年f>月刁日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部

4、门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密口，在年解密后适用本授权书。2、不保密口。(请在以上相应方框内打叫”)作者签名：导师签名：日期：9年f乃月矽日日期7曰年，乙月刀日浙江工业大学硕士学位论文第一章绪论1．1医学图像分割的背景和意义在人类由工业革命进入信息社会的世纪更迭之际，一轮新的革命在全球范围内正方兴未艾，其核心就是信息技术在各个领域的全

5、面渗透与广泛应用：计算机成为当代发展最为迅猛的科学技术，其应用已经深入到人类社会活动和生活的各个方面，大大提高了社会生产力。计算机科技具有极大的综合性质，与众多科学技术相交又，并推动着其他学科领域的发展。医学图像处理Ⅲ就是这样--f-]学科，它将计算机图形学和数字图像处理技术综合应用到生物医药工程之中，成为计算机视觉研究领域的一个重要分支，为现代医学的发展提供了强劲的技术支持与发展动力．医学图像是疾病诊断的重要依据，直接影响诊断的正确性。迄今为止，医学图像成像和处理技术已经经历了一个多世纪的发展过程，医学图像的

6、分辨率，清晰度和诊断技术有了显著的改进和提高，多种新的医学图像成像和造影技术相继问世。计算机技术的出现与应用促进了CT，LIRI，超声等数字医学图像技术的发展，它们是利用人体内不同器官和组织对x射线，超声波和光线的散射，透射，反射和吸收的不同特性而发展起来的一类医学图像技术，为对人体骨骼，内脏器官的疾病和损伤进行诊断，定位提供了有效的手段，并常用于人体器官组织的三维重建工作。医学图像的分割【2】与轮廓线提取是医学图像处理中的一项关键技术，它为医学图像的识别与分析、器官组织的三维重建提供必要的边缘信息。由于医学图

7、像本身所具有的复杂性和多样性，传统的图像分割与轮廓提取技术暴露出诸多的技术缺陷而无法令人满意地提取出医学图片序列中的目标轮廓线，于是活动轮廓模型一snakes应运而生并迅速崛起，在医学图像分割和轮廓提取中得到了广泛运用。因此，本文从Snake模型出发，研究在医学图像中如何实现快速准确的轮廓提取算法。浙江工业大学硕士学位论文1．2医学图像分割的任务和常用方法1．2．1医掣：图像分割的任务医学：图像分割是进行计算机图像分析的关键，也是制约医学图像处理中其他相关技术发展和应用的瓶颈，是医学图像理解的基础。根据医学图像

8、的成像模式不同，医学图像常见的分割任务主要有：1、针对核磁共振图像，尤其是脑核磁共振图像的分割【Ⅻ。这是由于核磁共振图像具有高分辨率、高信噪比和出色的软组织对比度等特点。脑核磁共振图像的分割主要有3个目的：提取脑体积、分割脑组织(如灰质、白质)和描绘具体的脑结构，主要使用聚类方法、神经网络方法和删坊法等。2、胸部x光射线透视图像。主要使用分类器、活动轮廓模型和WRF方法。3、CT图像中