基于改進(jìn)幾何可變模型的醫(yī)學(xué)圖像分割算法研究

《基于改進(jìn)幾何可變模型的醫(yī)學(xué)圖像分割算法研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、浙江大學(xué)碩士學(xué)位論文摘要摘要醫(yī)學(xué)圖像分割在醫(yī)學(xué)診斷、規(guī)劃、治療中具有十分重要的應(yīng)用價(jià)值。目前，基于偏微分方程理論的可變模型的圖像分割技術(shù)已受到越來(lái)越多的研究學(xué)者的高度重視，而且其技術(shù)還在不斷的發(fā)展中。傳統(tǒng)的基于可變模型的分割方法是一種只基于邊界信息的分割方法，就充分利用圖像信息的角度來(lái)說(shuō)有其局限性。作者從融合圖像區(qū)域信息和邊界信息的角度，對(duì)現(xiàn)有幾何可變模型進(jìn)行了改進(jìn)，取得了比較理想的研究結(jié)果。論文比較詳細(xì)地介紹并分析了可變模型技術(shù)的數(shù)學(xué)理論基礎(chǔ)和各種擴(kuò)展應(yīng)用。在此基礎(chǔ)上提出了一種混合區(qū)域信息和邊界信息的方法

2、——基于融合顏色和強(qiáng)度先驗(yàn)信息的幾何可變模型的醫(yī)學(xué)圖像分割算法。該方法首先借助遺傳算法，從圖像的不同顏色空間中得到對(duì)應(yīng)顏色分量的閾值，然后將這些閾值所代表的先驗(yàn)信息融合到可變模型的速度函數(shù)中，從而得到了改進(jìn)的基于lcvclset的幾何可變模型。論文采用臨床骨髓細(xì)胞和乳腺x線(xiàn)圖片進(jìn)行了實(shí)驗(yàn)，并對(duì)分割結(jié)果進(jìn)行了定性和定量分析。結(jié)果表明，相對(duì)于傳統(tǒng)的只利用圖像邊界信息的可變模型，論文所提出的分割算法不僅能得到更精確的結(jié)果，而且具有更快的運(yùn)行速度。關(guān)鍵詞：醫(yī)學(xué)圖像分割，改進(jìn)幾何可變模型，顏色和強(qiáng)度先驗(yàn)信息融合注：本

3、課題研究得到國(guó)家自然科學(xué)基金(No．60272029)和浙江省自然科學(xué)基金(№．M603227)資助。第1頁(yè)浙江大學(xué)碩士學(xué)位論文第一章緒論1．1研究背景第一章緒論目前，圖像分割在醫(yī)學(xué)圖像處理與分析中的地位日趨重要，廣泛簧通過(guò)對(duì)小鼠秣藤簪管?chē)碳?b涫鞲戤拋崩雒。鬟冀。舅醋朔了；氆即鯉爿鮑鯽j駔茜閎殫戮轉(zhuǎn)影囂：輔翟罾囂塹屋盟秦篾咧崾唾④淄咧州劭圓堋嗌傣罐jm制停境滴疆鱖顫耐豺啡一叫砩鞠酬諺毿；皓羽"匕4稿氣虹洋叫擄冀霎萋蠹g鞠甾鼬?妊；繕星0璃疆城鼠，CDx2表達(dá)于所有的小腸絨毛上皮細(xì)胞及結(jié)腸的腺上皮細(xì)胞中，

4、并長(zhǎng)期保持著穩(wěn)定的分布【4】。通過(guò)對(duì)人體的各種上皮細(xì)胞的免疫組織化學(xué)研究發(fā)現(xiàn)，CDx2在人體的胚胎和正常成人中也有類(lèi)似的分布規(guī)律【“。進(jìn)一步的研究還證實(shí)，cDx2主要在小腸和盲腸中表達(dá)，而在遠(yuǎn)端結(jié)腸表達(dá)則降低，并且常表達(dá)于腺上皮的表面或隱窩的頂部[6】。二、CDx2可能是一種腫瘤抑制基因CDX2能調(diào)節(jié)腸道特異基因的的轉(zhuǎn)錄，目前認(rèn)為它可能是一種腫瘤抑制基因。因?yàn)閏Dx2純合子缺失將導(dǎo)致生長(zhǎng)期小鼠死亡，而CDX2雜合子缺失則易導(dǎo)致錯(cuò)構(gòu)瘤性息肉和管狀腺瘤的形成【6】。越來(lái)越多的證據(jù)顯示，通過(guò)選擇抑制同源框基因的轉(zhuǎn)

5、錄可誘導(dǎo)腫瘤的轉(zhuǎn)化。作為一個(gè)可能的腫瘤抑制基因，發(fā)現(xiàn)在85％的結(jié)直腸癌中都有CDX2m]RNA表達(dá)水平的下調(diào)。如果在CD)匕低表達(dá)的腫瘤細(xì)胞系中導(dǎo)入∞X2基因，發(fā)現(xiàn)瘤細(xì)胞的凋亡增加、生長(zhǎng)速度減慢，但它并不影響腫瘤的形成【7】。雖然確切機(jī)制未明，但多項(xiàng)實(shí)驗(yàn)證明，CDX2與其他腫瘤抑制基因如APC、E鈣粘蛋白和抗凋亡蛋白Bcl．2等之間有復(fù)雜的相互作用‘7司。雖然CDx2有基因結(jié)構(gòu)的改變，但在有復(fù)制誤差陽(yáng)性的結(jié)直腸癌細(xì)胞系中一般都有小的缺失，大約10％的結(jié)直腸癌有LOH，但沒(méi)有明確的證據(jù)證明CDx2表達(dá)降低與等

6、位基因的突變有關(guān)。由此可見(jiàn)，表達(dá)的降低顯然還涉及基因的表達(dá)調(diào)控機(jī)制的改變【9l。浙江大學(xué)碩十學(xué)位論文第一犖緒論主要問(wèn)題是如何自適應(yīng)地確定聚類(lèi)簇的真實(shí)數(shù)目，這其實(shí)也是聚類(lèi)問(wèn)題的經(jīng)典難題。一般基于聚類(lèi)技術(shù)的算法采用窮舉法來(lái)確定聚類(lèi)簇的數(shù)目，這樣聚類(lèi)計(jì)算的計(jì)算量會(huì)很大。不少人在改進(jìn)基于區(qū)域的分割算法上做了努力，如sif描s[3]擴(kuò)展了種子生長(zhǎng)算法，提出了新的區(qū)域生長(zhǎng)方法，其主要的思路是結(jié)合FastMarctling算法進(jìn)行改進(jìn)。總之，基于區(qū)域的分割算法設(shè)計(jì)一般關(guān)注兩個(gè)方面，一個(gè)是設(shè)計(jì)出一種特征均衡的方法，二是算法

7、效率和精確度的提高。1．2．3混合的醫(yī)學(xué)圖像分割技術(shù)融合邊界信息和區(qū)域信息的分割方法也很多。在這里簡(jiǎn)單地介紹一個(gè)混合分割系統(tǒng)的例子。[4，5，6]中，在能量最小化模型中，用基于區(qū)域的信息使可變模型避免陷入局部最小化。在[4]中，第一步將圖像信息，如象素強(qiáng)度、梯度、顏色和紋理結(jié)合在一起形成一個(gè)聯(lián)合算予用來(lái)判斷象素屬于目標(biāo)還是背景。分割的第二步中，可變模型在區(qū)域分割的基礎(chǔ)上得到改進(jìn)的分割結(jié)果。由均勻分布在圖像上的點(diǎn)初始化為多個(gè)def01mableballoon，在這個(gè)過(guò)程中，屬于同一個(gè)目標(biāo)的可變模型會(huì)自動(dòng)合并，

8、同樣，包含多個(gè)目標(biāo)的模型會(huì)分裂。[4】的主要貢獻(xiàn)是他們?cè)谟螒蚶碚?g鋤etheo呦的基礎(chǔ)上提出了一個(gè)參數(shù)遞歸精確化系統(tǒng)。在這個(gè)遞歸系統(tǒng)中，區(qū)域分割的參數(shù)根據(jù)起始象素點(diǎn)的一個(gè)小領(lǐng)域的統(tǒng)計(jì)信息計(jì)算。當(dāng)?shù)玫匠醪竭吔?，并和可變模型匹配后，這個(gè)統(tǒng)計(jì)數(shù)據(jù)根據(jù)可變模型內(nèi)部的象素得到更新。重新參數(shù)化過(guò)程中重新計(jì)算區(qū)域分割方法的參數(shù)。這個(gè)區(qū)域分割法和可變模型以這種模式遞歸重復(fù)使用，直到得到一個(gè)物體的精確分割?；旌夏Ｐ涂梢苑指畹蚐N