基于ct圖像的肺實質(zhì)及roi分割算法研究

《基于ct圖像的肺實質(zhì)及roi分割算法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、ｉ永，，ｗ擎臟若咒？；碩±學位論文ＴＨＥ＇ＳＩＳＦ０民ＭＡＳＴＥ民ＳＤＥＧＲＥＥ論文題目基于ＣＴ圖像的肺實質(zhì)及ＲＯＩ分割算法研究作者黃夏學院中荷生物醫(yī)學與信息ｉ程學院專業(yè)生物醫(yī)學工程指導教師錢唯教授備注二０—五年六月日＇＊Ｉ分類號密級ＵＤＣ學位論文基于ＣＴ圖像的肺實質(zhì)及民０１分割算法研究作者姓名：黃夏指導教師：錢唯教授東北大學中荷生物醫(yī)學與信息工程學院申請學位級別：碩±學科類別：工學學科專業(yè)名稱：生物醫(yī)學工程論文

2、提交日期：２０１５年５月論文答辯日期：２０１５年６月學位授予日期：２０１５年７月答辯委員會主席：馬賀巧閱人：鞏天星、張翼飛東北大學■＊２０１５年６月ＡＴｈｅｓｉｓｉｎＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＡＳｔｕｄｏｆＬｕｎＰａｒｅｎｃｈｍａａｎｄ民ＯＩｙｇｙＳｅｍｅｎｔａｔｉｏｎＡｌｏｉｉｔｈｍｓＢａｓｅｄｏｎＣｏｍｕｔｅｄｇｇｐＴｏｍｏｒａｈＩｍａｅｓｇｐｙｇＢＨｕａｎＸｉａｙｇＳｕｐｅｒｖｉｓｏｒＰｒｏ億ｓｓｏｒＱｉａｎＷ

3、ｄ，＇ＮｃＨｔｈｅａｓｔｅｍＵｎｉｖｅｒｓｉｔｙＪｕｎｅ２０１５獨創(chuàng)性聲明本人聲明，所呈交的學位論文是在導師的指導下完成的。論文中取得的研究成果除加標注和致謝的地方外，不包含其他人己經(jīng)發(fā)表。或撰寫過的研究成果，也不包括本人為獲得其他學位而使用過的材料與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表不謝意。學位論文作者簽名；冬藻日期．：八，若＇６學位論文版權使用授權書本學位論文作者和指導教師完全了解東北大學有關保留、使用學位論文的規(guī)定：即學校

4、有權保留并向國家有關部口或化構送交論文的復印件和磁盎。，允許論文被查閱和借閱本人同意東北大學可Ｗ將學位論文的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索、交流。作者和導師同意網(wǎng)上交流的時間為作者獲得學位后：——半年□年〇年半□兩年ｂ／－；學位論文作者簽名：《表導師簽名；讀?。崳姾炞秩掌冢汉炞秩掌冢盒钠ぃ崳?？－－Ｉ東北大學碩擊學位論文摘要基于ＣＴ圖像的肺實質(zhì)及民ＯＩ分割算法研究摘要一。隨著人們生活水平的提高，肺癌己成為威脅人類健康和死亡率最商的癌癥之因此，，對肺癌的早期檢測有

5、利于提高肺癌患者的存巧率。然而巾于陵學ＣＴ圖像數(shù)據(jù)量—大，若僅僅依賴醫(yī)生的主觀診斷，再加．１．長時間的Ｘ作引起的疲勞或其他因素，往往會，導致誤診或漏診的情況發(fā)生，提高醫(yī)。因此我們需嬰全ｈ幼的檢測肺部疾病的方法生的診斷速度和準確性，降低工作強度，而進行準確的肺實質(zhì)和肺部ＲＯＩ分割是進行后續(xù)處理的前提。肺實質(zhì)的精確分割是進行肺部ＣＴ間像分析和檢測肺部疾病的前提，因此本文首先＾提出了肺實質(zhì)精確分割方法。通過基于自適應Ｏｔｓｕ的：．值化方法對肺部ＣＴ圖像進行粗分割，從肺部，初步將肺實質(zhì)與其他姐織結構分

6、離；運用掩膜圈像對肺實質(zhì)進行粗提取ＣＴ圖像中提取出肺實質(zhì)；基于１￡維區(qū)域生長的氣管去除方法將灰值與肺實質(zhì)區(qū)域相＾近的氣管樹從初始肺實質(zhì)中分離，自適應的闊值選取有效地避免了＾分割現(xiàn)象；基于行ａｓ，，連接掃描和ＳＷＪｏｍｉ角點檢測的左右肺區(qū)分離快速準確地找出粘連區(qū)域的特征點特征點形成線段，完成分離；基于自適應二叉樹算法的俠速肺輪廓修復，由于部分疾?。崳姇е路螌嵸|(zhì)輪廓出現(xiàn)凹陷情況，自，，因此本文采用并行的手段適應地修復了缺陷區(qū)域卻有效保留了肺實質(zhì)輪廓的正常凹陷。ＲＯＩ分割算法，應州ＥＭ算法得到斯混合模型的最

7、本文提出基于貝葉斯分類的｜高｜日優(yōu)參數(shù)計算圖像像素點的后驗概率，基Ｔ貝葉斯巧礎分類Ｒ０１區(qū)域Ｉ背景區(qū)域。并且應用了自適應迭代闊值法進行高斯混合模型的參數(shù)初始化，為的是避免迭代次數(shù)增加，防止ＥＭ算法對初始參數(shù)的敏感，造成局部最優(yōu)。本文給出基于ＥＭ算法的貝葉斯分類方法獲?。遥希傻姆指罱Y果，并對不同的子圖大小的分割結果進行了分析。同時，根據(jù)肺實質(zhì)圖像灰度直方圏和自適應迭代閥值法迭代的結巧驗證了ＧＭＭ的合理性，并且根據(jù)ＥＭ參數(shù)估計得到的高斯混合模型的最優(yōu)分布與肺實質(zhì)灰度直方圖擬合情況顯樂ＥＭ迭化算法能夠很

8、好地擬合數(shù)據(jù)丟失的數(shù)據(jù)模型。關鍵詞：圖像分割；Ｏｔｓｕ；Ｈ維區(qū)域生長：角點檢測；ＧＭＭ；貝葉斯分類－－ＩＩＡｂｓｔｔ東北大學碩壬學位論文ｒａｃＡＳｔｕｄｏｆＬｕｎａｒｅｎｃｈｍａａｎｄＲＯＩＳｅｍｅｎｔａｔｉｏｎＡｌｏｒｉｔｈｍｓｙｇｐｙｇ