基于圖割的CT影像分割算法研究.pdf

1、醫(yī)學(xué)影像分割是把醫(yī)學(xué)影像劃分為各具特色的區(qū)域并提取出感興趣器官或組織的過程和技術(shù)。它是醫(yī)學(xué)影像處理、可視化及計算機輔助診斷等領(lǐng)域的關(guān)鍵問題之一，其分割精度也直接影響著后續(xù)處理的結(jié)果，因此醫(yī)學(xué)影像分割一直是研究熱點之一。
　　 基于圖割的影像分割算法是近年來發(fā)展起來的新方法，圖割方法是將圖像以馬爾可夫隨機場的形式構(gòu)造s-t網(wǎng)絡(luò)，并利用最大流最小割算法進行優(yōu)化的技術(shù)。其核心思想在于構(gòu)造一個合理的能量函數(shù)，并運用組合優(yōu)化技術(shù)使之最小化

2、。其具有結(jié)合區(qū)域與邊緣信息、全局最優(yōu)化、無拓撲限制及可結(jié)合多種先驗知識等特點。
　　 本文首先介紹醫(yī)學(xué)影像分割的背景知識，包括醫(yī)學(xué)影像分割算法的研究現(xiàn)狀、分割評價體系和醫(yī)學(xué)影像算法平臺研究等；其次對圖割算法的相關(guān)基礎(chǔ)知識進行梳理，包括與圖割算法相關(guān)的圖論基礎(chǔ)知識、最大流最小割算法及圖割算法基本流程等。所有這些前人優(yōu)秀的研究成果構(gòu)成了本文研究的基礎(chǔ)。
　　 本文以圖割理論為核心，對圖割算法從算法效率、精確度和交互方式三個方

3、面進行改進：
　　 (1)用均值漂移算法作為圖割算法的預(yù)處理步驟，提高圖割算法的效率。其思路為：對原始圖像利用均值漂移算法進行過分割處理，以其產(chǎn)生的過分割區(qū)域作為一個超像素來替代單個像素參與圖割算法，從而減少實際運行中圖的頂點和邊的數(shù)目，因而可大幅提高圖割算法的效率。均值漂移算法、分水嶺法和聚類算法均可看做超像素法，但分水嶺法對噪聲敏感且邊界保持性不好，聚類算法需要設(shè)定聚類數(shù)目，而均值漂移算法具有良好的邊界保持特性、不需要設(shè)定聚

4、類數(shù)目且對噪聲有一定的抑制作用等特點，因此選用均值漂移算法作為超像素法來結(jié)合圖割算法。本文選取三維脊椎骨CT(Computed Tomography)影像進行實驗，利用“對稱位置的平均表面距離”這一指標來評價算法，本文算法這一指標約為1.208mm，而分水嶺法和圖割結(jié)合算法約為2.924mm，面繪制結(jié)果也驗證了本文算法的有效性。
　　 (2)用概率圖譜和圖割算法結(jié)合，提高圖割算法的精確性。為得到更精確的分割結(jié)果，可在基于圖割的影

5、像分割算法框架中引入先驗形狀知識來指導(dǎo)分割。本文選取概率圖譜方法作為先驗形狀信息，它是一種無參的形狀模型約束方法，簡化了建模的復(fù)雜度。它通過訓(xùn)練圖像與待分割圖像的配準，經(jīng)過一定的運算獲得與待分割圖像大小一致、灰度值為該像素屬于某種器官的概率值的圖像，即待分割圖像某一器官的概率圖譜。本文把概率圖譜作為先驗形狀信息，并和原始圖像的灰度值一起作為圖割算法的區(qū)域信息因子，實現(xiàn)了高層先驗知識與底層信息結(jié)合進行分割的效果。本文選取腹部CT影像來分割