基于可拓檢測與支持向量機(jī)的顱內(nèi)血腫圖像分割方法研究.pdf

1、醫(yī)學(xué)圖像分割是近年來的研究熱點(diǎn)和難點(diǎn)，不同研究對(duì)象需根據(jù)具體情況設(shè)計(jì)算法，至今尚無一種通用算法適用于所有分割對(duì)象。顱內(nèi)血腫一直是危害生命健康的病癥之一，尤其是急性顱內(nèi)血腫。實(shí)現(xiàn)自動(dòng)準(zhǔn)確CT醫(yī)學(xué)圖像顱內(nèi)血腫區(qū)域分割，可為顱內(nèi)血腫三維重建及體積精算奠定堅(jiān)實(shí)基礎(chǔ)，進(jìn)而醫(yī)生臨床診斷和病人了解病情提供更好的幫助，具有很好的臨床應(yīng)用意義。
　　 本課題重點(diǎn)研究了醫(yī)學(xué)圖像顱內(nèi)血腫的自動(dòng)分割方法，本文的創(chuàng)新之處在于:第一，首次提出利用可拓檢測理

2、論的物元變換法與支持向量機(jī)算法相結(jié)合的方法，實(shí)現(xiàn)醫(yī)學(xué)圖像顱內(nèi)血腫的分割;第二，采用優(yōu)化算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，得到了良好的分割效果。
　　 本文對(duì)CT醫(yī)學(xué)圖像顱內(nèi)血腫的分割過程分兩步進(jìn)行。第一步，采用閾值分割法和區(qū)域生長法，實(shí)現(xiàn)CT醫(yī)學(xué)圖像顱腦血腫的初步分割。第二步，采用支持向量機(jī)(SVM)方法對(duì)初步分割得到的圖像進(jìn)行分類器訓(xùn)練及血腫區(qū)域圖像分割。針對(duì)SVM分割結(jié)果存在非血腫區(qū)域部分點(diǎn)也會(huì)被錯(cuò)分為血腫區(qū)域，使分割效果不理

3、想的問題，本文首次提出結(jié)合可拓檢測理論物元變換方法中解決矛盾問題的思想，對(duì)SVM分割結(jié)果進(jìn)行可拓優(yōu)化。對(duì)SVM分割結(jié)果建立可測物元模型、不可測物元模型和目標(biāo)物元模型，通過將不可測的血腫區(qū)域轉(zhuǎn)換成區(qū)域的面積可測，獲得面積最大的血腫區(qū)域。
　　 Matlab仿真實(shí)驗(yàn)結(jié)果表明，本文提出的CT圖像顱內(nèi)血腫分割算法是有效的，只需訓(xùn)練一個(gè)SVM分類器，就能夠?qū)Σ∪苏麄€(gè)序列顱內(nèi)血腫CT圖像，自動(dòng)準(zhǔn)確地分割出顱內(nèi)面積最大的血腫區(qū)域，分割效果達(dá)到