基于gvfsnake模型之醫(yī)學(xué)圖像分割技術(shù)研究

《基于gvfsnake模型之醫(yī)學(xué)圖像分割技術(shù)研究》由會(huì)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、基于GVFSnake模型之醫(yī)學(xué)圖像分割技術(shù)研究-->第一章緒論1.1課題研究的意義和背景上世紀(jì)80年代以來，隨著計(jì)算機(jī)技術(shù)的普及以及在臨床醫(yī)學(xué)中的廣泛應(yīng)用，醫(yī)學(xué)圖像處理技術(shù)也得到了長足的進(jìn)步。醫(yī)學(xué)圖像能反映人體組織各個(gè)器官形態(tài)功能和病變等重要信息，具有直觀、形象和信息豐富以及便于觀測(cè)和理解等特點(diǎn)。如今，X光成像(X-ray簡(jiǎn)稱X光)、計(jì)算機(jī)斷層掃描(putedTomography簡(jiǎn)稱CT)、正電子發(fā)射型計(jì)算機(jī)斷層掃描(PositronEmissionputedTomography簡(jiǎn)稱PET)、數(shù)

2、字減影血管造影（DigitalSubtractionAngiography簡(jiǎn)稱DSA)、B型超聲波成像（BrightnessModulationMode簡(jiǎn)稱B超）、磁共振技術(shù)(MagicResonanceImaging簡(jiǎn)稱MRI)等均為重要的醫(yī)學(xué)圖像成像技術(shù)⑴　　基于GVFSnake模型之醫(yī)學(xué)圖像分割技術(shù)研究-->第一章緒論1.1課題研究的意義和背景上世紀(jì)80年代以來，隨著計(jì)算機(jī)技術(shù)的普及以及在臨床醫(yī)學(xué)中的廣泛應(yīng)用，醫(yī)學(xué)圖像處理技術(shù)也得到了長足的進(jìn)步。醫(yī)學(xué)圖像能反映人體組織各個(gè)器官形態(tài)功能和病變

3、等重要信息，具有直觀、形象和信息豐富以及便于觀測(cè)和理解等特點(diǎn)。如今，X光成像(X-ray簡(jiǎn)稱X光)、計(jì)算機(jī)斷層掃描(putedTomography簡(jiǎn)稱CT)、正電子發(fā)射型計(jì)算機(jī)斷層掃描(PositronEmissionputedTomography簡(jiǎn)稱PET)、數(shù)字減影血管造影（DigitalSubtractionAngiography簡(jiǎn)稱DSA)、B型超聲波成像（BrightnessModulationMode簡(jiǎn)稱B超）、磁共振技術(shù)(MagicResonanceImaging簡(jiǎn)稱MRI)等均為

4、重要的醫(yī)學(xué)圖像成像技術(shù)⑴。這些成像方式都可以各有側(cè)重的用來反映人體器官的復(fù)雜信息，大大提高醫(yī)療診斷水平，醫(yī)學(xué)影像已成為現(xiàn)代醫(yī)學(xué)診斷和治療的最重要的技術(shù)手段之一。目前在醫(yī)療診斷、治療、術(shù)前計(jì)劃和術(shù)后監(jiān)測(cè)各個(gè)環(huán)節(jié)中應(yīng)用相當(dāng)廣泛。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，計(jì)算機(jī)圖形學(xué)加速了醫(yī)學(xué)影像的進(jìn)步。在這個(gè)意義上，醫(yī)學(xué)成像技術(shù)已成為醫(yī)學(xué)研究領(lǐng)域的熱點(diǎn)研究技術(shù)。隨著醫(yī)學(xué)成像技術(shù)在臨床診斷及治療上的指導(dǎo)作用愈加突出，醫(yī)學(xué)圖像分割技術(shù)逐步成為醫(yī)學(xué)圖像研究學(xué)科中具有重要性與應(yīng)用性的研究領(lǐng)域——從B型超聲波成像、計(jì)算機(jī)斷層

5、掃描、數(shù)字減影血管造影、磁共振技術(shù)等模式釆集的醫(yī)學(xué)成像中，利用計(jì)算機(jī)技術(shù)獲取局部人體結(jié)構(gòu)的相關(guān)診斷信息。先進(jìn)的醫(yī)學(xué)成像設(shè)備雖然已經(jīng)提供了對(duì)局部人體結(jié)構(gòu)的圖像反映，但是如何應(yīng)用計(jì)算機(jī)輔助技術(shù)對(duì)醫(yī)學(xué)圖像采取高精度的目標(biāo)提取，進(jìn)行多尺度的量化和提出綜合性的分析結(jié)果，仍然是重要的命題?！?.2醫(yī)學(xué)圖像分割方法的研究現(xiàn)狀圖像分割技術(shù)包含有許多種方法，其分類也包含多種，但至今并沒有形成一種通用的算法，通常是按照具體應(yīng)用，提出選擇合適的算法。圖像分割最早是完全由人工完成的，這種方法是在醫(yī)學(xué)設(shè)備采集成像

6、的基礎(chǔ)上，由醫(yī)師直接勾畫目標(biāo)區(qū)域的邊緣[3]。人工分割方法費(fèi)時(shí)費(fèi)力，分割結(jié)果的準(zhǔn)確性完全取決于職業(yè)醫(yī)師的水平，分割結(jié)果因人而異，即使在同等環(huán)境下分割結(jié)果也會(huì)有所不同，導(dǎo)致診斷結(jié)果出入較大。隨著信息技術(shù)的快速發(fā)展，出現(xiàn)了半自動(dòng)的圖像分割方法，從而實(shí)現(xiàn)了交互式的醫(yī)學(xué)圖像分割，對(duì)醫(yī)師的經(jīng)驗(yàn)與信息技術(shù)進(jìn)行了融合[4]。半自動(dòng)的分割方法具有快速、高效、精確的特點(diǎn)，使得分割結(jié)果中人的影響因素大幅度的下降，可重復(fù)性的加強(qiáng)使得分割結(jié)果更加穩(wěn)定，但醫(yī)師的水平依然在圖像分割全過程占據(jù)一定比重。近年來，隨著多項(xiàng)新技術(shù)

7、的廣泛應(yīng)用，圖像分割技術(shù)趨向于自動(dòng)化，這樣就完全消除圖像分割過程中人的影響因素，由計(jì)算機(jī)輔助工具全程進(jìn)行醫(yī)學(xué)圖像分割[5]。研究人員提出了多種多樣的圖像分割算法，并且與新興學(xué)科相關(guān)技術(shù)進(jìn)行有機(jī)結(jié)合。目前可用的圖像分割方法種類繁多，大致分為以下幾種類別：基于閾值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法、基于數(shù)學(xué)形態(tài)學(xué)的分割方法、基于活動(dòng)輪廓模型的分割方法等。基于閾值的分割方法的基本原理是通過選取適當(dāng)?shù)幕叶乳撝?，把圖像分割成目標(biāo)對(duì)象與背景兩部分有效的區(qū)域，大于閾值的為區(qū)域甲，小于閾值的為區(qū)

8、域乙，從而實(shí)現(xiàn)目標(biāo)對(duì)象與背景的分類。基于區(qū)域的分割方法主要分析數(shù)字圖像的局部特征，例如：灰度、紋理、色彩、梯度值等局部特征。基于區(qū)域的分割方法包括：區(qū)域生長法、區(qū)域分裂與合并法等等，優(yōu)點(diǎn)是對(duì)噪聲相對(duì)不敏感，但是過分割現(xiàn)象常常會(huì)在應(yīng)用中出現(xiàn)，分割的效果依賴于圖像本身的局部特征以及種子點(diǎn)的設(shè)置?；谶吘壍姆指罘椒òɑ谝浑A導(dǎo)數(shù)的分割算法和基于二階導(dǎo)數(shù)的分割算法，如Roberts算子、Sobd算子、Prewitt算子、Laplacian二階差分算子等，通過圖像邊緣位置的梯度值的躍階變化對(duì)圖像進(jìn)行分割