基于核图割模型的肝脏CT图像肿瘤分割-论文.pdf

《基于核图割模型的肝脏CT图像肿瘤分割-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第3期计算机工程2014年3月Vo1．40No．3ComputerEngineeringMarch2014·图形图像处理·文章缩号：1000-3428(2014)03-0238—06文献标识码：A中圈分类号：TP391．41基于核图割模型的肝脏CT图像肿瘤分割杨柳，陈永林2j王翊，谭立文，陈伟(1．重庆大学计算机学院，重庆400030；2．第三军医大学附属西南医院放射科，重庆400038；3．第三军医大学基础部解剖学教研室，重庆400038)摘要：计算机断层成像(cT)对疾病的确诊意义重大，在医学图像的自动

2、检测中应用较多的模型为图割模型，但传统图割算法严重依赖于对复杂区域进行大量建立的模型，运算复杂且不利推广。为此，在传统图割理论基础上引入核函数，提出一种基于核图割模型的肝脏CT图像肿瘤分割算法。通过核函数将原始数据映射到高维空间，并在高维图像数据空间用图割理论对CT图像的肝区与肿瘤区域进行分割，以提取疑似肿瘤区域，解决传统图割模型中需要依赖人机交互和对复杂区域建模困难等问题。由Mercer定理得出，核空间的点积运算不需要显式指定图像各区域的具体模型，进行核推广后克服了传统模型通用性不强的弱点。利用临床CT图像数据对

3、该算法进行分割实验，结果表明，基于核推广后的图割算法能够有效对肿瘤和肝区进行分离，可应用于临床实际中作为肿瘤辅助诊断手段。关锄i玎：图割；核图割；肿瘤分割；肝脏分割；医学图像分割TlUum0rSeRmentati~)nfIoOrLiverCT1一lmaResBased0nKernelGraphCutModelYANGLiu，CHENYong．1in，WANGYi，TANLi-wen，CHENWei(1．CollegeofComputerScience，ChongqingUniversity,Chongqing400

4、030，China；2．DepartmentofRadiology,SouthwestHospital，ThirdMilitaryMedicalUniversity,Chongqing400038，China；3．DepartmentofAnatomy,MinistryofBasic，ThirdMilitaryMedicalUniversity,Chongqing400038，China)[Abstract]ComputedTomography(CT)imagesaresignificantindiseasedia

5、gnosis，whereasgraphcutmodelhasbeenwidelyusedintheautomaticdetectionofcomplicateddisease．Duetothefactthatthecomplexareaofmedicalimagesisveryhardtomodelinconventionalgraphcutliterature，thispaperadoptsthekemeltrickinsuchawaythatthesegmentationoftumoriscomputedint

6、hehighdimensionalkernelspaceratherthaninthetraditionalspatialspacedirectly．Theprocessingofcomplexmodelingandhuman—computerinteractionisherebyavoidedthoughtkerneltrick．Moreover,Mercer’stheoryprovesthatthecomputationofkernelmethodisimpliedandthemodelofdiferentar

7、eaisexplicitlyneedless，whichimpliesthatthekernelgraphcutsisuniversaltodiferentapplications．TheproposedapproachisvalidatedonarealCTimagedatafromclinicalcase，andthetumorissuccessfullyextractedfromtheliverimages．Resultsshowthattheproposedapproachcanbefurtherameli

8、oratedandappliedtoclinicasanauxiliarydiagnosisassistantinthefurther．[Keywordslgraphcut；kernelgraphcut；tumorsegmentation；liversegmentation；medicalimagesegmentationDOI：10．3969~．issn．