基于超像素的腹部圖像多器官分割算法研究

《基于超像素的腹部圖像多器官分割算法研究》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(kù)。

1、分類號(hào)：ＴＰ３９１學(xué)校代碼：１０６９７密級(jí)：公開學(xué)號(hào)：２０１５２０９５６ＮｏｒｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙ±字位論ＸＭＡ’ＳＴＥＲＳＤＩＳＳＥＲＴＡＴＩＯＮ基于超像素的腹部圖像多器官分割算法研究學(xué)科名稱：計(jì)算機(jī)應(yīng)用技術(shù)作者：呂朝暉指導(dǎo)老師：張蕾教授西北大學(xué)學(xué)位評(píng)定委員會(huì)二〇—八年六月SuperpixelBasedMulti-OrganSegmentationofAbdominalImagesAthesissubmittedtoNorthwestUniversityinpartialfulfillmentoftherequirement

2、sforthedegreeofMasterinComputerAppliedTechnologyByLvZhaohuiSupervisor:ZhangLeiProfessorJune2018摘要摘要腹部影像是臨床醫(yī)生對(duì)腹部疾病進(jìn)行診斷的重要參考依據(jù)，對(duì)腹部圖像進(jìn)行有效的器官分割是后期腹部器官病灶定位、腹部器官三維重建、腹部手術(shù)導(dǎo)引的基礎(chǔ)和關(guān)鍵步驟?，F(xiàn)有的腹部器官分割算法大都針對(duì)單個(gè)特定的器官進(jìn)行，此外，腹部圖像相鄰器官間模糊的邊界與高灰度相似性的特點(diǎn)，為傳統(tǒng)像素級(jí)別上進(jìn)行的多器官分割帶來(lái)了一定的困難。通過(guò)超像素算法可以獲得一致性強(qiáng)、語(yǔ)義信息豐富的圖像預(yù)分割結(jié)果，超像素的這些優(yōu)異特性為腹部多器

3、官分割提供新的解決思路。本文圍繞著基于超像素的腹部圖像多器官分割進(jìn)行了如下研究工作：(1)針對(duì)目前缺乏高質(zhì)量、已標(biāo)注的腹部CT圖像數(shù)據(jù)集的問(wèn)題，收集建立了一整套完整的腹部CT圖像多器官分割數(shù)據(jù)集。數(shù)據(jù)集包含20套，共計(jì)4103張人體腹部CT圖像，并通過(guò)人工標(biāo)注的方式對(duì)圖像中主要的腹部器官進(jìn)行了器官區(qū)域及邊界標(biāo)注。(2)針對(duì)醫(yī)學(xué)圖像灰度分布廣、上下層相關(guān)性強(qiáng)的特點(diǎn)，提出了一種新的醫(yī)學(xué)圖像的超像素分割方法。在聚類過(guò)程中，建立CT圖像上下層間的映射關(guān)系，同時(shí)對(duì)像素間距離度量方式改進(jìn)。實(shí)驗(yàn)表明該方法在醫(yī)學(xué)圖像上獲得良好的分割效果。(3)利用監(jiān)督分類的思想解決腹部多器官分割問(wèn)題，將腹部器官語(yǔ)義分割問(wèn)題

4、轉(zhuǎn)化為超像素塊的多分類問(wèn)題。通過(guò)提取超像素的多種特征建立隨機(jī)特征子空間，訓(xùn)練多個(gè)集成分類器，提高了腹部多器官語(yǔ)義分割的準(zhǔn)確率。(4)為了減少單純使用圖像底層特征分類時(shí)出現(xiàn)的錯(cuò)分問(wèn)題，結(jié)合先驗(yàn)知識(shí)，分別建立腹部各器官的灰度和位置信息的高斯先驗(yàn)?zāi)Ｐ汀Ｔ趯?duì)腹部超像素塊分類過(guò)程中，使用該模型對(duì)多分類概率極限學(xué)習(xí)機(jī)的分類結(jié)果進(jìn)行有效約束。實(shí)驗(yàn)結(jié)果表明，該方法在提高分類準(zhǔn)確率的基礎(chǔ)上提高了多器官分割的精度。關(guān)鍵詞：醫(yī)學(xué)圖像分割，多器官分割，超像素，極限學(xué)習(xí)機(jī)，隨機(jī)特征子空間IABSTRACTABSTRACTAsthesignificantreferenceforclinicianstodiagnosea

5、bdominaldisease,theeffectivesegmentationoforgansinabdominalimagesisthebasisandkeystepofthefocusextraction,three-dimensionalreconstructionofabdominalorganandtheguidanceofabdominalsurgeryinthelatertime.Mostoftheexistingmethodsonabdominalorgansegmentationareaimedatasinglespecificorgan,inaddition,thefu

6、zzyboundaryandhighgraysimilaritybetweenadjacentorgansintheabdominalimagesresultindifficultiesforthetraditionalmulti-organsegmentationmethodsonpixellevel.While,pre-segmentationresultswithstrongconsistencyandabundantsemanticinformationcanbeattainedonthebasisofsuperpixel,whichcanprovidefreshideasformu

7、lti-organsegmentationofabdominalimages.Inthispaper,thefollowingresearchworkisaroundmulti-organsegmentationofabdominalimage:(1)Aimingatthelackofhigh-qualityandannotatedabdominalCTimagedatasets,acompletemulti