基于水平集方法的醫(yī)學(xué)組織圖像分割.pdf

1、視網(wǎng)膜相關(guān)性疾病能夠改變視網(wǎng)膜血管、組織的形態(tài)和結(jié)構(gòu)，致使人體視力下降或喪失。而在大多數(shù)眼科疾病中，醫(yī)師可以通過及時檢查、分析人體視網(wǎng)膜圖像，做到對疾病的早發(fā)現(xiàn)、早預(yù)防、早治療，從而降低人群的致盲率。然而不論2D彩色眼底圖像還是3D光學(xué)相干斷層掃描圖像，其數(shù)據(jù)集非常龐大，在手動分割下對疾病做定量和定性分析都十分耗時，且容易受主觀意識干擾。因此，迫切地需要一些自動的圖像分割方法，輔助醫(yī)師對疾病的判斷，從而做到對疾病的精準(zhǔn)分析和治療。

2、>　　視網(wǎng)膜血管圖像具有復(fù)雜的網(wǎng)狀結(jié)構(gòu)，尺寸范圍變化大，微血管與背景對比度低以及存在病灶和噪聲等性質(zhì)，導(dǎo)致現(xiàn)有的血管分割方法存在對相鄰血管、交叉血管和微血管分割不足的問題。針對現(xiàn)有血管分割方法的缺陷，本文提出一種融合區(qū)域能量擬合信息和形狀先驗的水平集血管分割方法。首先使用形態(tài)學(xué)算子和高斯卷積等圖像處理技術(shù)獲得增強(qiáng)的視網(wǎng)膜血管圖像；然后分析Hessian矩陣特征值在血管、背景上的差異性，重新構(gòu)建一個血管響應(yīng)函數(shù)以初步估計視網(wǎng)膜血管圖像，以

3、此作為水平集模型的形狀先驗和初始化信息，并建立一個包含區(qū)域能量擬合項和形狀約束項等的水平集血管分割模型；最后，利用連通域面積和寬、高信息構(gòu)建幾何算子，進(jìn)一步消除血管分割結(jié)果中連通域面積較小的偽影和病灶，得到最終的血管分割結(jié)果。
　　3D光學(xué)相干斷層掃描成像技術(shù)能夠無創(chuàng)傷地獲取活體高分辨率組織圖像，清晰地反應(yīng)人體視網(wǎng)膜組織形態(tài)和結(jié)構(gòu)。然而受黃斑中心、疾病、成像偽影等的影響，給視網(wǎng)膜層分割方法帶來了巨大挑戰(zhàn)。對此，本文提出一種基于可伸

4、縮區(qū)域能量擬合的全自動視網(wǎng)膜層分割方法。首先使用各向異性擴(kuò)散模型對視網(wǎng)膜原始圖像濾波，緩解散斑噪聲的干擾；然后利用Canny檢測算子提取視網(wǎng)膜感興趣區(qū)域，以及連接纖毛上邊界；最后利用包含區(qū)域能量擬合性質(zhì)、層間面積約束性質(zhì)等的多項水平集模型去完成視網(wǎng)膜10個不同層的分割。
　　本文的視網(wǎng)膜血管分割方法分別在 HRF、STRAE、DRIVE三個2D彩色眼底圖像數(shù)據(jù)庫上進(jìn)行了實驗仿真，敏感度分別達(dá)到79.4547%、79.0860%、7