基于ITK的腦部MR圖像分割算法研究與實(shí)現(xiàn).pdf

1、腦部MRI分割是對(duì)神經(jīng)解剖學(xué)結(jié)構(gòu)的描述（如大腦，小腦，海馬體及腫瘤等），是后續(xù)的可視化、手術(shù)規(guī)劃、量化的診斷和分析、治療跟蹤及評(píng)估等處理及操作的基礎(chǔ)，在腦部醫(yī)學(xué)研究領(lǐng)域及臨床應(yīng)用中都具有非常重要的意義。
　　由于腦部MR圖像中信息對(duì)比度不高，各種腦部組織的形狀復(fù)雜等特點(diǎn)，分割方法的選擇比較困難，單一的算法很難獲得滿意的分割結(jié)果，有效的分割方法需要根據(jù)不一樣的分割目的，結(jié)合目標(biāo)圖像的特點(diǎn)，將各種圖像分割技術(shù)綜合運(yùn)用起來，才能達(dá)到令人

2、滿意的分割效果。
　　本著目前醫(yī)學(xué)圖像分割的主要集中發(fā)展方向，論文以為不同的應(yīng)用場(chǎng)合選擇合適的分割算法為目的，將應(yīng)用場(chǎng)合限定在腦部MR圖像上，然后以多種算法以及多種知識(shí)的結(jié)合方向?yàn)橹骶€完成了以下幾方面研究?jī)?nèi)容：
　　1.對(duì)ITK中基于區(qū)域的圖像分割算法、分水嶺算法及水平集算法在腦部 MRI上予以實(shí)現(xiàn)，通過與專家手工分割結(jié)果的實(shí)驗(yàn)比對(duì)，論證了其對(duì)腦部MRI分割的有效性，為多種算法以及多種知識(shí)的結(jié)合的混合分割算法選擇奠定了理論與

3、實(shí)踐基礎(chǔ)。
　　2.在完成以上內(nèi)容的基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了兩種混合分割方法。第一種，以水平集算法為中心，使用鄰域連接算法的分割結(jié)果作為Canny水平集的先驗(yàn)?zāi)Ｐ?，?shí)現(xiàn)了兩種算法相結(jié)合的混合分割的算法，從而達(dá)到算法優(yōu)缺點(diǎn)的互補(bǔ)，形成更加健壯的分割算法。將實(shí)驗(yàn)結(jié)果與專家手工分割結(jié)果比對(duì)，獲得了較好的分割效果。第二種，研究和實(shí)現(xiàn)了以分水嶺算法為中心的前處理部分，在分割效果和速度上較之單一分水嶺算法都有很大改善。
　　3.在所選擇的對(duì)