基于圖割與水平集的超聲圖像分割方法研究.pdf

1、甲狀腺腫瘤是頭頸腫瘤中的常見病和多發(fā)病,居頭頸腫瘤首位,是發(fā)病率增高最快的實(shí)體癌。不斷發(fā)展的醫(yī)療成像技術(shù)是診斷甲狀腺腫瘤良惡性的重要手段,二維灰階超聲,多普勒超聲是甲狀腺腫瘤良惡性診斷的基礎(chǔ),通過(guò)結(jié)合三維超聲、超聲造影及超聲彈性成像等新的影像學(xué)診斷技術(shù)可以獲得更好的輔助診斷結(jié)果。因此,為了準(zhǔn)確確定出甲狀腺結(jié)節(jié)位置以及正確判別甲狀腺結(jié)節(jié)的良惡性是非常必要的。
　　超聲圖像分割具有較強(qiáng)的針對(duì)性,各種算法通常都是基于特定的領(lǐng)域、特定的成

2、像模式、特定的感興趣對(duì)象。這些問(wèn)題使超聲圖像分割至今都沒有統(tǒng)一的標(biāo)準(zhǔn)和普遍適用的規(guī)則。其中基于圖論的圖像分割方法和基于幾何主動(dòng)輪廓模型的水平集方法一直是近年來(lái)圖像分割領(lǐng)域研究的熱點(diǎn)。
　　針對(duì)甲狀腺超聲圖像的圖像分割,本文主要進(jìn)行了以下工作:
　　首先對(duì)超聲圖像的特點(diǎn)進(jìn)行分析總結(jié),并對(duì)超聲圖像進(jìn)行預(yù)處理。通過(guò)對(duì)比選擇更適合的濾波器對(duì)超聲圖像進(jìn)行預(yù)處理,為后續(xù)更準(zhǔn)確的分割出甲狀腺結(jié)節(jié)做好準(zhǔn)備。
　　其次對(duì)基于圖論的圖割方

3、法和基于幾何主動(dòng)輪廓模型的水平集方法進(jìn)行全面分析,介紹了基于圖割的圖像分割方法和基于水平集方法的C-V模型的基本原理,從定性和定量角度剖析了圖割與能量函數(shù)最小化之間的關(guān)系,并簡(jiǎn)要論述分析了水平集方法的C-V模型基本思想和特點(diǎn)。
　　然后結(jié)合圖割算法和C-V模型的各自特點(diǎn),總結(jié)出其圖割算法模型與C-V模型各自的異同點(diǎn),將C-V模型做一系列離散化處理與圖割模型結(jié)合,形成新的能量泛函,完成能量最小化分割。
　　最后通過(guò)實(shí)驗(yàn)證明改進(jìn)