資源描述：
《基于隨機(jī)游走的醫(yī)學(xué)超聲腫瘤圖像分割方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、劣參京交碩士學(xué)位論文基于隨機(jī)游走的醫(yī)學(xué)超聲腫瘤圖像分割方法研究StudyonMedicalUltrasoundTumorImageSegmentationMethodBasedonRandomWalks作者：蘇海楠導(dǎo)師：陳后金北京交通大學(xué)2013年3月學(xué)讎文版權(quán)使用授權(quán)書J㈣炒必本學(xué)位論文作者完全了解北京交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)北京交通大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編以供查閱和借閱。同意學(xué)校向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤。(保密的學(xué)位
2、論文在解密后適用本授權(quán)說明)學(xué)位論文作者簽名：蘇冶確簽字日期：沙，≥年參月詢?nèi)諏?dǎo)師簽名：簽字日期：鈔7夕年夕月y日中圖分類號：TP391．9UDC：學(xué)校代碼：10004密級：公開北京交通大學(xué)碩士學(xué)位論文基于隨機(jī)游走的醫(yī)學(xué)超聲腫瘤圖像分割方法研究StudyonMedicalUltrasoundTumorImageSegmentationMethodBasedonRandom腸lks作者姓名：蘇海楠導(dǎo)師姓名：陳后金學(xué)位類別：工學(xué)學(xué)號：10120012職稱：教授學(xué)位級別：碩士學(xué)科專業(yè)：電路與系統(tǒng)研究方向：數(shù)字圖像處理北京交通大學(xué)2013年
3、3月致謝本論文的工作是在我的導(dǎo)師陳后金教授的悉心指導(dǎo)下完成的，陳教授嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和科學(xué)的工作方法給了我極大的幫助和影響。從選題、研究到論文寫作的每一個環(huán)節(jié)，每一個步驟中都傾注了陳老師大量的心血，他耐心地檢查、更正設(shè)計思路及論文。也正是因?yàn)殛惱蠋熌托闹笇?dǎo)，我才能順利的完成了各項(xiàng)任務(wù)，克服了許多難題。在此衷心感謝三年來陳老師對我的關(guān)心和指導(dǎo)。在實(shí)驗(yàn)室工作及撰寫論文期間，李居朋老師悉心指導(dǎo)我完成了實(shí)驗(yàn)室的科研工作，對我論文中的應(yīng)用軟件開發(fā)和測試工作給予了熱情幫助，在此向李老師表示衷心的謝意。實(shí)驗(yàn)室的姚暢、楊娜、韓振中同學(xué)在學(xué)習(xí)上和生活上
4、都給予了我很大的關(guān)心和幫助，在此向他們表達(dá)我的感激之情。另外也感謝我的父母，他們的理解和支持使我能夠在學(xué)校專心完成我的學(xué)業(yè)。北京交通大學(xué)碩士學(xué)位論文中文摘要醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理和分析的關(guān)鍵步驟，也是其他高級醫(yī)學(xué)圖像分析和解釋系統(tǒng)的核心組成部分，是實(shí)現(xiàn)定量分析以及計算機(jī)輔助診斷的基礎(chǔ)。超聲醫(yī)學(xué)成像具有對人體無損害、能夠?qū)崟r顯示器官或組織運(yùn)動情況等優(yōu)點(diǎn)，使得醫(yī)學(xué)超聲圖像分割研究一直受到人們的廣泛關(guān)注與應(yīng)用。但由于人體組織復(fù)雜性和超聲成像機(jī)理的限制，醫(yī)學(xué)超聲圖像的分辨率要遠(yuǎn)低于CT和MRI，特別是由于成像器官或組織結(jié)構(gòu)上的不均勻性以
5、及固有的斑點(diǎn)噪聲，大大降低了超聲圖像的質(zhì)量，也使得對圖像分割和處理更加困難。本文在分析醫(yī)學(xué)超聲圖像分割領(lǐng)域的研究現(xiàn)狀的基礎(chǔ)上，總結(jié)了目前醫(yī)學(xué)超聲圖像分割中存在的不足之處，詳細(xì)地討論了基于圖論的隨機(jī)游走圖像分割方法并給出實(shí)驗(yàn)結(jié)果。以涎腺超聲腫瘤圖像分割為具體目標(biāo)，從三個方面展開工作：(1)針對超聲圖像的噪聲特點(diǎn)，實(shí)現(xiàn)圖像去噪平滑，提出了一種基于各向異性擴(kuò)散和隨機(jī)游走相結(jié)合的超聲圖像分割方法，并將實(shí)驗(yàn)結(jié)果進(jìn)行比較和分析。(2)針對傳統(tǒng)隨機(jī)游走圖像分割算法的半自動性缺陷，結(jié)合形態(tài)學(xué)知識提出了一種超聲圖像分割新方法，解決了傳統(tǒng)隨機(jī)游走模型初
6、始種子點(diǎn)的人工干預(yù)問題，有效實(shí)現(xiàn)了超聲腫瘤的自動分割，并且通過實(shí)驗(yàn)驗(yàn)證了算法的有效性。(3)基于對涎腺腫瘤超聲圖像分割算法的研究基礎(chǔ)上，給出了涎腺腫瘤圖像處理與分析系統(tǒng)實(shí)現(xiàn)方案，并在WindowsXP平臺上，利用VisualC++6．0開發(fā)了一套應(yīng)用系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)涎腺腫瘤超聲圖像處理、參數(shù)測量、輔助診斷以及病歷報告輸出等功能。論文中共有圖23幅，表2幅，參考文獻(xiàn)46篇。關(guān)鍵詞超聲腫瘤圖像分割；隨機(jī)游走；斑點(diǎn)噪聲；圖論；形態(tài)學(xué)分類號TP391．9ABSTRACTMedicalimagesegmentationisakeystepin
7、medicalimageprocessingandanalysis，whichisalsothecorepartofotherseniormedicalimageanalysisandinterpretationsystem．Medicalimagesegmentationprovidesfoundationandpreconditionfortargetseparation．featureextractionandquantitativemeasurementofparameter，makingitpossibletounders
8、tandanddiagnosishighermedicalimages．Thecorrectsegmentationguaranteesdiagnosticinformationextractedforclinicalapplicat
