基于統(tǒng)計形狀模型的肝臟圖像分割算法分析

《基于統(tǒng)計形狀模型的肝臟圖像分割算法分析》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、南方醫(yī)科大學(xué)2009級碩士學(xué)位論文基于統(tǒng)計形狀模型的肝臟圖像分割算法研究RESEARCH0FLIVERIMAGESEGN住NTATl0NBASEDONSTATISTICALSHAPEMODELS課題來源：國家重點基礎(chǔ)研究發(fā)展規(guī)劃(973)項目(No：2010CB732500)國家自然科學(xué)基金(No：31000450)專業(yè)名學(xué)位申請指導(dǎo)教稱生物醫(yī)學(xué)工程人李春麗師馮前進(jìn)教授答辯委員會主席答辯委員會成員韓國強(qiáng)教授陳仲本教授吳效明教授周長忍教授楊豐教授論文評閱人楊豐教授羅立民教授2012年5月15日廣州碩士學(xué)位論文基于統(tǒng)計形狀模型的肝臟圖像分割算法研究碩士研究生：李春麗指導(dǎo)老

2、師：馮前進(jìn)摘要’圖像分割是將圖像劃分成多個具有相似特征的區(qū)域，并提出感興趣目標(biāo)的技術(shù)與過程，是圖像處理的重要工具。在醫(yī)學(xué)圖像領(lǐng)域，分割技術(shù)是圖像處理的重要組成部分，分析領(lǐng)域研究的重要內(nèi)容。醫(yī)學(xué)圖像分割著重提取具有特殊含義的區(qū)域，如組織、腫瘤等，并使分割結(jié)果盡可能地接近解剖結(jié)構(gòu)。進(jìn)而幫助醫(yī)務(wù)人員進(jìn)行病情分析，診斷及制定治療方案。目前雖已研究出各種用途的圖像分割方法，至今還沒有一種能夠統(tǒng)一適用于各種圖像及不同分割部位的有效方法。由于人體解剖的個體差異較大，分割對象結(jié)構(gòu)性質(zhì)的千差萬別，臨床應(yīng)用對醫(yī)學(xué)圖像分割的準(zhǔn)確度和算法的執(zhí)行速度要求較高；又由于噪聲、偽影、偏移場效應(yīng)和部分

3、容積效應(yīng)等對圖像的影響，使得己有的分割算法遠(yuǎn)未達(dá)到理想的效果。同時因無法完全用數(shù)學(xué)模型來簡單描述人們所面臨的實際問題；圖像退化以及人們對分割結(jié)果預(yù)期目標(biāo)互不相同等原因，只能針對特定問題和具體的需求給予合理選擇，在精度、速度、魯棒性和效率等關(guān)鍵性指標(biāo)上做出側(cè)重或均衡?；谝陨戏N種原因，醫(yī)學(xué)圖像的分割一直是醫(yī)學(xué)圖像處理和分析領(lǐng)域的熱點、難點研究問題。肝臟是人體內(nèi)最大的、功能最多的腺體器官，在各種各樣的基本生理活動過程中，起著十分重要的核心作用。肝臟對整個機(jī)體具有廣泛的調(diào)節(jié)和保護(hù)作用，它參與體內(nèi)消化、排泄、過濾、免疫、血液貯存以及各種生物轉(zhuǎn)化等活動過程，因此可以將其稱之為人

4、體重要的器官之一。同時肝臟疾病又是常見的危中文摘要害性極大的疾病，因此對肝臟疾病的診治就顯得尤為重要。肝臟組織的準(zhǔn)確、魯棒分割是肝臟疾病診斷、研究和手術(shù)規(guī)劃中(常用來輔助診斷各種肝臟腫瘤和組織病變)的重要步驟。在臨床應(yīng)用中，即使對于有經(jīng)驗的臨床醫(yī)師，手工分割肝臟組織也是困難且耗時的工作，因此研究精確的肝臟組織自動分割算法具有重要價值，并吸引了眾多學(xué)者的參與和研究。目前，用于肝臟分割的方法有：基于邊緣的方法，區(qū)域增長，統(tǒng)計形狀模型，圖譜配準(zhǔn)，水平集，圖割等。2007年醫(yī)學(xué)影像計算與計算機(jī)輔助介入國際會議舉行了一屆三維肝臟圖像分割的競賽，其為不同的分割方法提供了一個共同的

5、測試和競賽平臺。競賽結(jié)果表明，基于統(tǒng)計形狀模型的方法在其中具有最好的分割效果。而且基于統(tǒng)計形狀模型的分割方法也是目前使用廣泛的圖像分割方法之一。從Cootes提出形狀模型和外觀模型后，其在2D模型中得到快速發(fā)展，但近幾年才有了3D模型的發(fā)展和應(yīng)用。3D模型分割需要解決諸如形狀表達(dá)，形狀對應(yīng)性關(guān)系，特征提取，特征表達(dá)等問題。其中影響分割結(jié)果的重要因素就包括特征的選擇與應(yīng)用，先前的模型的特征一般包括邊緣特征和區(qū)域特征。邊緣特征有法線方向的灰度統(tǒng)計信息，如蓋伯小波，貝葉斯特征等；區(qū)域特征有動態(tài)外觀模型，組織內(nèi)外灰度直方圖等。然而這些基于統(tǒng)計形狀的外觀模型應(yīng)用于肝臟分割時，由

6、于各自的局限性，效果并不理想。肝臟組織分割的困難在于其自身形狀的多變，結(jié)構(gòu)紋理復(fù)雜、和周圍組織間的邊緣不明顯等原因，具體可分為以下幾方面：1)肝臟病變導(dǎo)致自身形狀的變化，及組織內(nèi)灰度的不一致；2)數(shù)據(jù)中，有些肝臟組織被施以增強(qiáng)劑，有些則沒有，造成不同個體間灰度的差異性增大；3)肝臟在不同人體中，形狀、體積和位置迥異；4)數(shù)據(jù)層間分辨率不同(0．33．8．0mm)，層間分辨率小的數(shù)據(jù)存在明顯的階梯效應(yīng)等。這些原因使準(zhǔn)確分割肝臟更有挑戰(zhàn)性。為了解決以上肝臟分割難的問題，我們在統(tǒng)計形狀模型的基礎(chǔ)上，提出一個新穎的灰度外觀模型。這樣我們就可以結(jié)合從訓(xùn)練集中提取的先驗信息，彈性

7、地表達(dá)物體的形狀。在設(shè)計相關(guān)方法的時候需要解決兩個中心問題：(1)怎樣構(gòu)建一個緊密的統(tǒng)計形狀模型，以更精確地表達(dá)形狀共性與變化。TT碩士學(xué)位論文(2)怎樣選擇圖像的特征和設(shè)計能量函數(shù)，以精確和穩(wěn)定地將形狀模型匹配到圖像中的目標(biāo)上。對于第一點，動態(tài)形狀模型和中值線模型已可以緊密表達(dá)形狀的變化。這項工作中，我們采用和動態(tài)形狀模型相似的點分布模型(網(wǎng)格)。第二點的目的是豐富圖像的特征，以及設(shè)計能量函數(shù)來引導(dǎo)模型的變形。大量的特征已經(jīng)被用來建立外觀模型?？梢詫⒅譃樗念悾?1)基于剖面的特征。剖面是指標(biāo)記點的法線，而剖面特征即是法線上的灰度向量或灰度派生向量