腎上腺ct圖像分割算法的研究

《腎上腺ct圖像分割算法的研究》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、南方醫(yī)科大學(xué)2011級碩士學(xué)位論文凈上腺CT圖像分割算法的研究I沁searchonAdrenalCTImageSegmentation課題來源：國家863計(jì)劃項(xiàng)目課題基金(2012AA02A616)學(xué)位申請人導(dǎo)師姓名專業(yè)名稱培養(yǎng)類型培養(yǎng)層次所在學(xué)院郭加成馮前進(jìn)教授生物醫(yī)學(xué)工程學(xué)術(shù)型碩士研究生生物醫(yī)學(xué)工程答辯委員會主席吳建華教授答辯委員會委員黃瑞旺教授呂慶文教授韓國強(qiáng)教授賴劍煌教授2014年5月20日廣州碩士學(xué)位論文Ⅲ㈣㈣圳㈨Ⅲ刪刪Ⅲ?ⅢY2618112腎上腺CT圖像分割算法的研究碩士研究生：指導(dǎo)老師：摘要郭加成馮前進(jìn)教授視

2、覺感知是獲取外界信息最直接的方式，圖像作為重要的信息載體為人們提供了豐富的視覺效應(yīng)。自然圖像記錄了客觀世界美麗的瞬間，遙感圖像呈現(xiàn)了地球完整的地貌，醫(yī)學(xué)圖像揭示了人類生命的奧秘，圖像作為客觀對象的一種表示，在我們的日常生活中隨處可見。隨著計(jì)算機(jī)多核技術(shù)的出現(xiàn)以及內(nèi)存容量的不斷擴(kuò)大，數(shù)字圖像處理技術(shù)的應(yīng)用日益廣泛。其中，圖像分割技術(shù)是將圖像細(xì)分為不同特性的子區(qū)域并提取感興趣目標(biāo)的過程，已廣泛應(yīng)用于醫(yī)學(xué)、軍事、遙感、人工智能、產(chǎn)品檢測以及計(jì)算機(jī)視覺等領(lǐng)域。隨著現(xiàn)代科學(xué)技術(shù)的不斷發(fā)展以及臨床醫(yī)學(xué)對疾病診斷的準(zhǔn)確性要求越來越高，醫(yī)

3、學(xué)成像技術(shù)得到了迅猛的發(fā)展，它在臨床醫(yī)學(xué)中發(fā)揮了重大的作用。各種醫(yī)學(xué)圖像不僅使醫(yī)生看到了人體組織臟器在形態(tài)上的變化，而且還能對體內(nèi)的臟器功能做出評估。目前，超聲、X線、CT、磁共振、核醫(yī)學(xué)等成像技術(shù)已經(jīng)成為臨床和醫(yī)學(xué)研究中不可缺少的工具。這些不同的成像方式有其各自的應(yīng)用價(jià)值。超聲成像具有無損傷、成像迅速、靈敏度高的優(yōu)點(diǎn)；X線成像過程簡單，可通過輻射熒光屏曝光直接成像，空間分辨力高；CT成像的密度分辨力高，圖像清晰，是人體內(nèi)的斷層圖像，是目前臨床使用最廣泛的醫(yī)學(xué)成像設(shè)備之一；磁共振成像具有無輻射、多參數(shù)成像、組織對比度豐富、

4、對早期病變敏感等優(yōu)點(diǎn)，對腦組織、血管和軟組織成像較好；核醫(yī)學(xué)成像不僅可以觀察到器官的形態(tài)，還可以從中了解臟器的新陳代謝情況，具有選擇性造影和動態(tài)觀測能力。醫(yī)學(xué)圖像分割是圖像分割的一個(gè)重要領(lǐng)域，醫(yī)學(xué)圖像分割是指對原始的醫(yī)摘要學(xué)圖像實(shí)施某種運(yùn)算，把感興趣的解剖結(jié)構(gòu)分割出來，使分割結(jié)果盡可能接近真實(shí)的解剖結(jié)構(gòu)，它是臨床輔助診斷、外科手術(shù)規(guī)劃與仿真、放射定位治療、定量測量的重要步驟，在臨床研究中具有重要意義。不同于自然圖像，醫(yī)學(xué)圖像在成像內(nèi)容以及成像條件上較為復(fù)雜，如人體解剖的個(gè)體差異較大、偏移場效應(yīng)、部分容積效應(yīng)和各種噪聲對圖像

5、質(zhì)量的影響，使得醫(yī)學(xué)圖像分割具有一定的難度，而已有的圖像分割算法還達(dá)不到臨床使用的要求，因此，醫(yī)學(xué)圖像分割技術(shù)一直是科研工作者研究的熱點(diǎn)問題。自醫(yī)學(xué)圖像分析學(xué)科興起以來，醫(yī)學(xué)圖像分割算法的研究一直受到人們的高度重視，迄今為止，已提出的圖像分割方法可達(dá)上千種，但大多數(shù)算法在很大程度上都是針對具體問題而提出的，仍沒有一種通用的分割算法，算法的分類標(biāo)準(zhǔn)也不統(tǒng)一。根據(jù)算法的設(shè)計(jì)思路，本文將它們分為自底向上和自頂向下兩類。自底向上的方法包括：閾值法、基于區(qū)域的分割法、聚類法、馬爾可夫隨機(jī)場等方法；自頂向下的方法則有：活動輪廓模型、水

6、平集和活動形狀模型等方法。醫(yī)學(xué)圖像分割對象多涉及人體內(nèi)重要器官與疾病病灶，如大腦組織分割、肝臟分割、前列腺分割和多種腫瘤分割等。腎上腺是人體重要的內(nèi)分泌器官，分泌的各類激素可用于調(diào)節(jié)人體內(nèi)的水鹽代謝和增強(qiáng)心肌收縮力，促使血壓升高。目前，臨床上對高血壓病因的診斷仍沒有有效的依據(jù)，臨床醫(yī)生提出了通過測量腎上腺體積、觀察腎上腺形態(tài)的方法來分析高血壓的成因。為了該研究能夠進(jìn)行，需要對腎上腺CT圖像進(jìn)行分割，分割后圖像用于腺體容積計(jì)算和解剖結(jié)構(gòu)定位等。但三維圖像的手工分割困難且耗時(shí)，研究腎上腺CT圖像自動分割方法具有重要的臨床意義。

7、經(jīng)文獻(xiàn)檢索，國內(nèi)外對腎上腺分割算法的研究甚少，腎上腺的自動分割問題尚未得到有效的解決。針對腎上腺分割有兩方面因素需重點(diǎn)考慮：首先，在CT圖像上，腎上腺與相鄰組織的CT值相似，邊界不明顯。直接利用CT值難以刻畫腎上腺與其他組織的差異，需要引入更具表現(xiàn)力的高維圖像特征。實(shí)際上，高維醫(yī)學(xué)圖像特征已在針對其它部位的分割問題中得到成功的TT碩士學(xué)位論文應(yīng)用，如前列腺CT圖像分割、肝臟超聲圖像分割、腦部腫瘤分割等。其次，我們發(fā)現(xiàn)腎上腺的形狀有較強(qiáng)的統(tǒng)計(jì)規(guī)律性，形狀先驗(yàn)信息可對腎上腺分割提供重要的指導(dǎo)信息，能否在分割框架中引入先驗(yàn)形狀信

8、息，是提高分割精度的關(guān)鍵?；顒有螤钅Ｐ?ActiveShapeModel，ASM)是一種利用訓(xùn)練集的統(tǒng)計(jì)信息來建立自由形變模型的學(xué)習(xí)算法，因方便引入先驗(yàn)形狀約束，已成功地應(yīng)用于分割肺、心臟等組織和器官。本文在回顧總結(jié)當(dāng)今國內(nèi)外流行的醫(yī)學(xué)圖像分割算法的基礎(chǔ)上，針對腎上腺CT圖像的特點(diǎn)以及現(xiàn)有方法對腎上腺分