基于SPCNN的邊緣檢測在膽囊結(jié)石超聲圖像中的應(yīng)用.pdf

1、隨著經(jīng)濟發(fā)展和人們生活水平的提高，患膽囊性疾病的人數(shù)不斷增加。我國西北地區(qū)膽囊性疾病發(fā)病率相對較高，目前僅次于闌尾炎。在膽囊性疾病診斷中，超聲圖像處理技術(shù)被廣泛應(yīng)用，使用該技術(shù)檢查疾病，不會對人體產(chǎn)生輻射和造成創(chuàng)傷，且能夠?qū)崟r地快速成像。邊緣檢測是圖像處理的重要技術(shù)，邊緣檢測結(jié)果能夠為醫(yī)生診斷疾病提供有價值的信息。邊緣存在于規(guī)則或不規(guī)則的圖像中，含有豐富的圖像信息，在圖像邊緣處，灰度值差別較大，通過計算邊緣處像素的梯度值可提取出邊緣。在

2、邊緣檢測中，PCNN(Pulse-Coupled Neural Networks，脈沖耦合神經(jīng)網(wǎng)絡(luò))較其他人工神經(jīng)網(wǎng)絡(luò)具有更優(yōu)的性能，因為它可以捕獲相鄰的神經(jīng)元并同步發(fā)放脈沖，實現(xiàn)同步點火。同時圖像的像素和網(wǎng)絡(luò)的神經(jīng)元是一一對應(yīng)的關(guān)系。SPCNN(Simplified Pulse-Coupled NeuralNetworks，簡化的脈沖耦合神經(jīng)網(wǎng)絡(luò))具有PCNN的主要特性，即利用神經(jīng)元的捕獲特性，產(chǎn)生同步發(fā)放脈沖。此時像素點的灰度值就是

3、與此對應(yīng)的神經(jīng)元輸出的脈沖大小。SPCNN與PCNN相比，參數(shù)數(shù)量少，計算復(fù)雜度低，所以將基于SPCNN邊緣檢測方法應(yīng)用到膽囊結(jié)石超聲圖像中，能夠用更短的時間檢測出膽囊結(jié)石超聲圖像的邊緣信息，這為臨床診斷膽囊結(jié)石提供了可靠有效的手段。
　　論文首先對醫(yī)學(xué)影像進行了介紹，分析了目前幾種常用的醫(yī)學(xué)成像技術(shù)的優(yōu)缺點，闡述了超聲成像的原理、超聲檢查的工作方式以及超聲圖像處理技術(shù)特點。在此基礎(chǔ)上分析了膽囊結(jié)石超聲影像特征，介紹了形態(tài)學(xué)基礎(chǔ)知

4、識和各向異性擴散算法。
　　其次，論文對超聲圖像的邊緣檢測基本理論與知識作了概述，介紹了邊緣的概念以及幾種主要的邊緣檢測算法并分析了這些算法的各自特點，包括Canny算法、Sobel算法以及Roberts算法。之后分析了邊緣檢測常用的評價指標(biāo)，包括主觀評價指標(biāo)和客觀評價指標(biāo)。
　　最后，論文介紹了PCNN和SPCNN的工作原理及參數(shù)設(shè)置方法，對SPCNN在膽囊結(jié)石邊緣檢測中的應(yīng)用進行了研究。通過實驗獲得SPCNN的邊緣檢測結(jié)