基于概率圖譜和形狀模型的肝臟CT圖像分割方法及實(shí)現(xiàn).pdf

1、醫(yī)學(xué)圖像的分割是指將醫(yī)學(xué)影像劃分為多個具有相似特性的區(qū)域，并根據(jù)感興趣的目標(biāo)區(qū)域提出新的技術(shù)與過程，是我們研究醫(yī)學(xué)數(shù)字圖像處理的重要方法和手段。在醫(yī)學(xué)圖像處理方面，圖像分割無疑是圖像處理的重要組成部分，也是我們分析研究圖像的重要內(nèi)容。醫(yī)學(xué)圖像分割重點(diǎn)是分割出我們感興趣的區(qū)域，比如病變區(qū)域以及腫瘤等，并且要使我們的分割結(jié)果最大限度的接近解剖結(jié)構(gòu)。從而能夠幫助臨床醫(yī)生對患者進(jìn)行準(zhǔn)確的病情分析、診斷以及制定治療方案。雖然現(xiàn)在已經(jīng)存在多種不同的

2、分割方法，但是尚未研究出一種快速有效能夠滿足臨床需求的分割方法。由于個體肝臟區(qū)別差異很大，結(jié)構(gòu)千變?nèi)f化，加之病變區(qū)域更是差異較大，臨床對醫(yī)學(xué)圖像分割算法的準(zhǔn)確度與高效性提出了更高的要求；又由于圖像本身存在的噪聲和偽影等對圖像分析的影響，便使現(xiàn)有的圖像分割算法與臨床需求相差甚遠(yuǎn)。
　　由于以上的眾多影響因素存在，肝臟醫(yī)學(xué)圖像分割便一直處在醫(yī)學(xué)圖像處理和分析領(lǐng)域的風(fēng)口浪尖，是研究的熱點(diǎn)，更是難點(diǎn)。肝臟圖像分割的難點(diǎn)在于肝臟自身形狀的多

3、變性以及其結(jié)構(gòu)紋理的復(fù)雜性，同時又跟周圍組織臟器邊緣模糊等原因使得肝臟圖像的準(zhǔn)確分割更加具有挑戰(zhàn)性?，F(xiàn)有應(yīng)用于肝臟圖像分割的方法主要有：區(qū)域增長、概率圖譜配準(zhǔn)、稀疏形狀組成、水平集、圖割等，以及眾多結(jié)合方法。而基于統(tǒng)計與形狀信息的方法在眾多方法中效果最好。
　　為了解決上述肝臟圖像分割困難的問題，我們在概率統(tǒng)計圖譜的基礎(chǔ)上提出了一種結(jié)合圖割的自動分割算法，將概率圖譜與訓(xùn)練集中所提取的形狀信息更加全面綜合的表達(dá)肝臟的形狀。
　

4、　本文首先學(xué)習(xí)研究了傳統(tǒng)圖像分割方法，然后結(jié)合肝臟圖像形狀多變性，提出了將概率圖譜與形狀模型圖割方法相結(jié)合的方法，綜合了區(qū)域與邊緣特性，并對此進(jìn)行了深入研究。該方法將傳統(tǒng)方法相結(jié)合，引入了適用于肝臟圖像的特征，構(gòu)造了目標(biāo)函數(shù)，實(shí)現(xiàn)了對肝臟圖像較為準(zhǔn)確且快速的分割。
　　本文的創(chuàng)新點(diǎn)在構(gòu)建概率圖譜過程中利用了SIFT算法來進(jìn)行特征點(diǎn)匹配，在保證配準(zhǔn)精度的同時又減少了計算量，提高了本文所提方法的效率。同時，在利用均值漂移算法進(jìn)行圖割過