基于超體素的顱內(nèi)出血區(qū)域分割研究.pdf

1、顱內(nèi)出血(ICH)是最嚴(yán)重的急性腦血管疾病之一，也是急性神經(jīng)紊亂疾病，如偏癱等的重要發(fā)病誘因。對(duì)于臨床治療來(lái)說(shuō)，顱內(nèi)出血的分割具有重要意義。因此，如何應(yīng)用CT圖像診斷顱內(nèi)出血已成為了腦醫(yī)學(xué)領(lǐng)域最熱門的研究課題之一。在傳統(tǒng)的醫(yī)學(xué)圖像分析中，醫(yī)學(xué)從業(yè)人員主要依靠手工測(cè)繪以及自身的經(jīng)驗(yàn)，通過(guò)估計(jì)得到對(duì)于顱內(nèi)出血情況的判斷。圖像分割技術(shù)的引入，大大減輕了醫(yī)學(xué)從業(yè)人員的工作負(fù)擔(dān)，分割得到的量化數(shù)據(jù)也為醫(yī)學(xué)從業(yè)人員提供了精確的診斷依據(jù)。近年來(lái)各種圖

2、像分割算法接連提出，其中基于超像素，圖論和半監(jiān)督學(xué)習(xí)的圖像分割算法，由于其良好的分割性能已經(jīng)成為眾多研究人員關(guān)注的熱點(diǎn)。超像素算法通過(guò)依據(jù)像素之間特征的相似性將圖像劃分為小區(qū)域，減少了圖像中的冗余信息，在很大程度上降低了后續(xù)圖像處理過(guò)程的復(fù)雜度?；趫D論的圖像分割算法則通過(guò)將圖像特性對(duì)應(yīng)于圖論特性，將圖像分割問(wèn)題轉(zhuǎn)化為網(wǎng)絡(luò)圖的分割問(wèn)題，通過(guò)將圖像的全局分割與局部信息處理相結(jié)合，減少了圖像離散化造成的誤差，從而可獲得良好的分割結(jié)果。在有標(biāo)

3、簽數(shù)據(jù)稀缺的情況下，基于半監(jiān)督學(xué)習(xí)的圖像分割方法可以利用大量的無(wú)標(biāo)簽數(shù)據(jù)增強(qiáng)分割結(jié)果。
　　本研究主要內(nèi)容包括：⑴研究了圖像分割領(lǐng)域中常用的算法及各自的應(yīng)用范圍，簡(jiǎn)要介紹了醫(yī)學(xué)圖像分割的特點(diǎn)以及顱內(nèi)出血(ICH)的發(fā)病原理以及CT成像特點(diǎn)。⑵介紹了超像素算法的分類，基本原理以及優(yōu)缺點(diǎn)，基于現(xiàn)有的超像素算法，結(jié)合顱內(nèi)出血區(qū)域分割這一應(yīng)用場(chǎng)景，提出了一種新的超體素算法。⑶介紹了圖割算法的基本原理以及優(yōu)缺點(diǎn)，針對(duì)基于圖割的圖像分割算法中

4、人工參與和模型估計(jì)不足的問(wèn)題，提出了一種基于高斯混合模型(GMM)的有監(jiān)督圖割算法。該算法根據(jù)醫(yī)學(xué)圖像的特性，利用已有的有標(biāo)簽數(shù)據(jù)為先驗(yàn)知識(shí)，通過(guò)GMM算法建立前景及背景的模型，使得基于圖割的圖像分割算法能夠?qū)崿F(xiàn)全自動(dòng)分割。⑷介紹了Tri-training算法的基本原理以及優(yōu)缺點(diǎn)。結(jié)合超體素的特性，針對(duì)醫(yī)學(xué)圖像分割中有標(biāo)簽樣本獲取困難這一情況，提出了一種基于超體素和Tri-training算法的顱內(nèi)出血區(qū)域分割算法。該算法利用醫(yī)學(xué)圖像處