資源描述：
《結合形變優(yōu)化與稀疏統(tǒng)計的CT圖像肝臟分割方法研究.pdf》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、結合形變優(yōu)化與稀疏統(tǒng)計的CT圖像肝臟分割方法研究王雪虎2015年6月中圖分類號：TP391UDC分類號：結合形變優(yōu)化與稀疏統(tǒng)計的CT圖像肝臟分割方法研究作者姓名王雪虎學院名稱光電學院指導教師王涌天教授答辯委員會主席梁萍教授申請學位工學博士學科專業(yè)光學工程學位授予單位北京理工大學論文答辯日期2015年6月StudyonLiverSegmtationMethodfromCTImagesbasedonDeformationOptimizationandSparseStatisticsCandidateNa
2、me：WangXuehuSchoolorDepartment:SchoolofOptoelectronicsFacultyMentor:Prof.WangYongtianChair,ThesisCommittee：Prof.LiangPingDegreeApplied:DoctorofPhilosophyMajor：OpticalEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：June,2015研究成果聲明本人鄭重聲明
3、：所提交的學位論文是我本人在指導教師的指導下進行的研究工作獲得的研究成果。盡我所知，文中除特別標注和致謝的地方外，學位論文中不包含其他人已經發(fā)表或撰寫過的研究成果，也不包含為獲得北京理工大學或其它教育機構的學位或證書所使用過的材料。與我一同工作的合作者對此研究工作所做的任何貢獻均已在學位論文中作了明確的說明并表示了謝意。特此申明。簽名：日期：北京理工大學博士學位論文摘要肝臟是人體最大的消化腺和解毒器官，同時也是膽汁生成的場所，而眾多功能的集成導致其成為易發(fā)腫瘤的主要器官之一。近年來，肝癌已經躍居全球
4、癌癥死亡率的第二位，因而，對肝臟疾病的預防和治療迫在眉睫，已成為全世界關注的熱點和重點。CT成像能夠獲得較高分辨率的肝臟解剖結構信息，且當肝臟發(fā)生病變時，通常表現(xiàn)為灰度不均勻、邊緣不平滑等特征。由此，CT已成為臨床肝臟疾病診療的重要成像方式之一。分割技術能夠從CT圖像中檢測出肝臟的形狀輪廓信息及病灶的結構信息，該信息對肝臟功能評定、腫瘤識別及手術治療等具有重要的臨床應用價值。然而，肝臟緊鄰脾臟、胃和腸道等器官組織，器官組織間的灰度特征差異度較小；此外，肝臟的個體差異性較大、其組織結構和空間位置易受外
5、力影響而發(fā)生較大幅度的形變。迄今為止，從CT圖像中實現(xiàn)肝臟輪廓的準確分割與檢測依然是世界性難題。本文在深入研究現(xiàn)有分割方法的基礎上，提出了自適應表面擴張模型、先驗稀疏字典及先驗稀疏統(tǒng)計形狀模型三種肝臟分割方法。實驗結果表明，三種分割方法均可實現(xiàn)較高精度的肝臟分割，其中，基于稀疏統(tǒng)計形狀模型的方法分割精度更高。本文的主要創(chuàng)新性工作包括：(1)針對傳統(tǒng)形變模型在形變過程中易陷入局部最優(yōu)而難以實現(xiàn)肝臟凹陷區(qū)域準確分割的問題，提出了一種結合自適應表面擴張和三角剖分優(yōu)化的肝臟分割方法。此方法利用單純形表面模型
6、構建了肝臟的初始邊界，并利用模型的頂點及其鄰域頂點間的關系構建了模型內力及其約束；在模型的外力中引入氣球力，并利用圖像中肝臟的Gabor邊界特征構建外力約束。此外，構建了一種自適應的三角剖分優(yōu)化算法，在形變過程中對模型自適地插入新的頂點，實現(xiàn)肝臟精細結構的準確提取。(2)針對機器學習方法需大量訓練樣本而影響分割效率的問題，提出了一種基于先驗稀疏字典和空洞填充的肝臟分割方法。此方法利用金標準圖像與待分割圖像配準后的肝臟邊界作為待分割圖像的初始邊界，并在初始邊界點鄰域內選擇測試樣本集，從而實現(xiàn)樣本數(shù)量的
7、減??；利用訓練圖像的Gabor特征圖像和灰度圖像建立肝臟邊界特征的查詢字典，結合測試集和查詢字典計算稀疏系數(shù)及重構誤差；提出一種基于肝臟表面信息的空洞填補方法，對肝臟邊界進行補全和平滑處理，從而確保分割結果具I北京理工大學博士學位論文有較高的平滑性和準確性。(3)針對現(xiàn)有統(tǒng)計形狀模型與待分割圖像較難配準的問題，構建了一種基于肝臟邊界先驗形狀信息的稀疏統(tǒng)計模型。此方法基于肝臟先驗形狀模型頂點坐標構建查詢字典，并結合待分割圖像與先驗形狀模型中對應點的稀疏編碼重構稀疏統(tǒng)計形狀模型，從而提高稀疏統(tǒng)計形狀模型
8、與待分割圖像間的配準精度；基于稀疏統(tǒng)計形狀模型頂點在待分割圖像上的灰度信息及其鄰域范圍內的邊界信息，構建了特異性灰度能量和邊緣能量，進而構建稀疏匹配能量約束模型，在優(yōu)化迭代過程中能有效驅動統(tǒng)計形狀模型趨近肝臟邊界，實現(xiàn)對肝臟的精確分割。關鍵字：肝臟，CT圖像，分割，形變模型，稀疏編碼，統(tǒng)計模型II北京理工大學博士學位論文AbstractLiveristheprimarydigestiveorganthatcirculatesanddetoxifiesbloodthou
