資源描述：
《基于隨機游走的醫(yī)學超聲腫瘤圖像分割方法研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、劣參京交碩士學位論文基于隨機游走的醫(yī)學超聲腫瘤圖像分割方法研究StudyonMedicalUltrasoundTumorImageSegmentationMethodBasedonRandomWalks作者：蘇海楠導師：陳后金北京交通大學2013年3月學讎文版權使用授權書J㈣炒必本學位論文作者完全了解北京交通大學有關保留、使用學位論文的規(guī)定。特授權北京交通大學可以將學位論文的全部或部分內容編入有關數(shù)據(jù)庫進行檢索，并采用影印、縮印或掃描等復制手段保存、匯編以供查閱和借閱。同意學校向國家有關部門或機構送交論文的復印件和磁盤。(保密的學位
2、論文在解密后適用本授權說明)學位論文作者簽名：蘇冶確簽字日期：沙，≥年參月詢日導師簽名：簽字日期：鈔7夕年夕月y日中圖分類號：TP391．9UDC：學校代碼：10004密級：公開北京交通大學碩士學位論文基于隨機游走的醫(yī)學超聲腫瘤圖像分割方法研究StudyonMedicalUltrasoundTumorImageSegmentationMethodBasedonRandom腸lks作者姓名：蘇海楠導師姓名：陳后金學位類別：工學學號：10120012職稱：教授學位級別：碩士學科專業(yè)：電路與系統(tǒng)研究方向：數(shù)字圖像處理北京交通大學2013年
3、3月致謝本論文的工作是在我的導師陳后金教授的悉心指導下完成的，陳教授嚴謹?shù)闹螌W態(tài)度和科學的工作方法給了我極大的幫助和影響。從選題、研究到論文寫作的每一個環(huán)節(jié)，每一個步驟中都傾注了陳老師大量的心血，他耐心地檢查、更正設計思路及論文。也正是因為陳老師耐心指導，我才能順利的完成了各項任務，克服了許多難題。在此衷心感謝三年來陳老師對我的關心和指導。在實驗室工作及撰寫論文期間，李居朋老師悉心指導我完成了實驗室的科研工作，對我論文中的應用軟件開發(fā)和測試工作給予了熱情幫助，在此向李老師表示衷心的謝意。實驗室的姚暢、楊娜、韓振中同學在學習上和生活上
4、都給予了我很大的關心和幫助，在此向他們表達我的感激之情。另外也感謝我的父母，他們的理解和支持使我能夠在學校專心完成我的學業(yè)。北京交通大學碩士學位論文中文摘要醫(yī)學圖像分割是醫(yī)學圖像處理和分析的關鍵步驟，也是其他高級醫(yī)學圖像分析和解釋系統(tǒng)的核心組成部分，是實現(xiàn)定量分析以及計算機輔助診斷的基礎。超聲醫(yī)學成像具有對人體無損害、能夠實時顯示器官或組織運動情況等優(yōu)點，使得醫(yī)學超聲圖像分割研究一直受到人們的廣泛關注與應用。但由于人體組織復雜性和超聲成像機理的限制，醫(yī)學超聲圖像的分辨率要遠低于CT和MRI，特別是由于成像器官或組織結構上的不均勻性以
5、及固有的斑點噪聲，大大降低了超聲圖像的質量，也使得對圖像分割和處理更加困難。本文在分析醫(yī)學超聲圖像分割領域的研究現(xiàn)狀的基礎上，總結了目前醫(yī)學超聲圖像分割中存在的不足之處，詳細地討論了基于圖論的隨機游走圖像分割方法并給出實驗結果。以涎腺超聲腫瘤圖像分割為具體目標，從三個方面展開工作：(1)針對超聲圖像的噪聲特點，實現(xiàn)圖像去噪平滑，提出了一種基于各向異性擴散和隨機游走相結合的超聲圖像分割方法，并將實驗結果進行比較和分析。(2)針對傳統(tǒng)隨機游走圖像分割算法的半自動性缺陷，結合形態(tài)學知識提出了一種超聲圖像分割新方法，解決了傳統(tǒng)隨機游走模型初
6、始種子點的人工干預問題，有效實現(xiàn)了超聲腫瘤的自動分割，并且通過實驗驗證了算法的有效性。(3)基于對涎腺腫瘤超聲圖像分割算法的研究基礎上，給出了涎腺腫瘤圖像處理與分析系統(tǒng)實現(xiàn)方案，并在WindowsXP平臺上，利用VisualC++6．0開發(fā)了一套應用系統(tǒng)，該系統(tǒng)實現(xiàn)涎腺腫瘤超聲圖像處理、參數(shù)測量、輔助診斷以及病歷報告輸出等功能。論文中共有圖23幅，表2幅，參考文獻46篇。關鍵詞超聲腫瘤圖像分割；隨機游走；斑點噪聲；圖論；形態(tài)學分類號TP391．9ABSTRACTMedicalimagesegmentationisakeystepin
7、medicalimageprocessingandanalysis，whichisalsothecorepartofotherseniormedicalimageanalysisandinterpretationsystem．Medicalimagesegmentationprovidesfoundationandpreconditionfortargetseparation．featureextractionandquantitativemeasurementofparameter，makingitpossibletounders
8、tandanddiagnosishighermedicalimages．Thecorrectsegmentationguaranteesdiagnosticinformationextractedforclinicalapplicat
