基于圖割和水平集的肺部CT圖像分割研究.pdf

1、肺部CT圖像分割就是將肺部組織圖像從其背景圖像中提取出來的技術(shù)。由于分割出來的組織圖像不僅有助于減少醫(yī)生讀圖的負(fù)擔(dān)，而且也是后續(xù)更高級應(yīng)用如可視化和三維重建的基礎(chǔ)。所以如何精確和快速的完成分割工作是研究的重點。同時，肺部CT圖像具有噪聲大、對比度低、邊界模糊、紋理密集等特點。所以對其的精確和快速的分割也是研究的一大難點。
　　目前醫(yī)學(xué)圖像分割方法按照是否有人工交互可以分為半自動分割方法和自動分割方法。半自動分割方法由于把操作者的知

2、識和計算機的處理能力有機的結(jié)合起來，往往能獲得較為理想的分割結(jié)果，所以在臨床上應(yīng)用較多，現(xiàn)在的研究主要集中在提高交互友好性和提高分割速度上。而自動分割方法由于能夠完全脫離人的干預(yù)，所以是未來的發(fā)展方向，但是由于醫(yī)學(xué)圖像的復(fù)雜性，自動分割方法往往還不能獲得讓人滿意的結(jié)果，所以主要還停留在實驗室階段，對其的研究主要集中在提高分割精度和分割速度上。本文針對肺部CT圖像的特點進行研究，結(jié)合圖割和水平集算法的優(yōu)缺點，提出了一種半自動分割算法和一種

3、自動分割算法，主要的創(chuàng)新點和貢獻(xiàn)如下：
　?、偬岢隽艘环N基于圖割的肺部CT圖像半自動分割算法。該算法針對圖割(GraphCuts)算法本身在效率上的不足進行改進，使用超像素算法SLICO(零參數(shù)的簡單線性迭代聚類)將圖像處理成許多小區(qū)塊，然后用這些小區(qū)塊代替像素作為節(jié)點來構(gòu)建圖模型，大大減少節(jié)點數(shù)量，同時基于肺部CT圖像的形狀特征對交互方式進行優(yōu)化，并對圖上邊的權(quán)值計算公式進行改進，最后使用簡化過的迭代式圖割算法GrabCut算法

4、對圖模型進行迭代處理。最終使得新算法在具有更好交互性的同時，提高了分割速度。
　?、谔岢隽艘环N基于水平集的肺部CT圖像自動分割算法。該算法針對水平集算法計算復(fù)雜、迭代次數(shù)過多和邊界不夠精確等缺點進行分析和改進。首先，基于肺部CT圖像特征，結(jié)合使用廣度優(yōu)先搜索和形態(tài)學(xué)等操作，預(yù)先獲取到肺部區(qū)域的大致輪廓，之后再使用水平集算法在較少的迭代次數(shù)下獲取到較為精確的目標(biāo)輪廓邊界，最后再用圖割算法對輪廓邊界進行優(yōu)化，最終使得新算法相對于普通的