基于MR腦圖像的腦瘤交互分割算法研究.pdf

1、磁共振成像（MRI，Magnetic Resonance Imaging）技術(shù)可以高質(zhì)量地繪制人體內(nèi)部組織結(jié)構(gòu)的立體圖像，現(xiàn)在被廣泛的應(yīng)用到臨床醫(yī)學(xué)中，尤其是腦瘤等腦組織病變的診斷。通過(guò)對(duì)腦瘤 MR圖像進(jìn)行分割處理，從中提取感興趣的部分（ROI，Region ofInterest），有利于更好地制定治療計(jì)劃。因而，腦瘤MR圖像的分割在醫(yī)學(xué)和計(jì)算機(jī)視覺(jué)領(lǐng)域有著非常重要的理論研究意義和實(shí)際應(yīng)用價(jià)值。醫(yī)學(xué)圖像分割算法基于有無(wú)監(jiān)督分為：人工分割

2、方法，自動(dòng)分割方法，交互式分割方法。完全人工分割方法過(guò)于耗時(shí)耗力，而目前的極大多數(shù)自動(dòng)分割方法滿(mǎn)足不了臨床應(yīng)用要求的精度，所以人機(jī)結(jié)合的交互式分割方法是醫(yī)學(xué)圖像分割的主要研究方向。
　　本文主要研究的就是基于圖論的交互式圖像分割算法 Graph Cuts和GrabCut，分析了這類(lèi)算法的優(yōu)勢(shì)，并在2D的MRI腦瘤切片圖像上進(jìn)行實(shí)驗(yàn)論證；另外，提出一種改進(jìn)算法，基于結(jié)構(gòu)軌跡（Structural Trajectories）約束，將G

3、rabCut應(yīng)用于3D的MRI腦瘤圖像的分割中，該方法極大地減少用戶(hù)的交互，提高了分割效率。本文具體工作內(nèi)容如下：
　?。?）分析了傳統(tǒng)分割算法的原理，并將這些分割算法應(yīng)用于數(shù)據(jù)集 GBM（Glioblastoma multiforme）中腦瘤切片圖像中，通過(guò)實(shí)驗(yàn)分析各種算法的性能和特點(diǎn)，這些算法應(yīng)用于腦瘤切片圖像中無(wú)法取得滿(mǎn)足要求的分割結(jié)果。
　　（2）結(jié)合圖論（Graph Theory）的基礎(chǔ)知識(shí)對(duì)多種基于圖論的分割算法

4、進(jìn)行了比較分析。然后詳細(xì)地描述了基于圖論的交互式分割算法Graph Cuts和GrabCut。并將該算法應(yīng)用于數(shù)據(jù)集中5個(gè)MRI腦瘤圖像的所有切片中，計(jì)算出平均Jaccard分?jǐn)?shù)，并與一些自動(dòng)分割算法進(jìn)行對(duì)比，驗(yàn)證其優(yōu)勢(shì)。
　?。?）鑒于上述分割算法均應(yīng)用于2D的MRI腦瘤切片圖像中，提出了一種直接應(yīng)用于3D腦瘤圖像的交互式算法：在3D腦瘤圖像中，選出最不對(duì)稱(chēng)的一幀切片并進(jìn)行人工標(biāo)記，其他切片將被結(jié)合結(jié)構(gòu)軌跡約束的GrabCut算