小波和歸一化割在醫(yī)學(xué)MR圖像分割中的應(yīng)用.pdf

1、醫(yī)學(xué)圖像分割是圖像分割在醫(yī)學(xué)領(lǐng)域中的一個非常重要的典型應(yīng)用，它所推動的計(jì)算機(jī)輔助診斷系統(tǒng)正在現(xiàn)代醫(yī)療發(fā)展中起著越來越重要的作用。更重要的是，醫(yī)學(xué)圖像分割技術(shù)的發(fā)展不但深刻影響著醫(yī)學(xué)圖像處理中其它相關(guān)技術(shù)(如可視化、3維重建、手術(shù)模擬、圖形引導(dǎo)手術(shù)等的發(fā)展)，而且在生物醫(yī)學(xué)圖像的分析中也占有十分重要的地位。對大腦MR圖像(特別是海馬結(jié)構(gòu)的圖像)進(jìn)行分割是對腦部組織進(jìn)行體積測量、三維重建的關(guān)鍵和基礎(chǔ)，而海馬結(jié)構(gòu)的體積測量是某些疾病影像診斷重

2、要的高新科技方法，在顳葉癲癇、阿爾茨海默病、精神分裂癥等神經(jīng)系統(tǒng)疾病的臨床診斷、治療、療效評價(jià)及計(jì)算機(jī)輔助診斷(CAD)等方面都有重要的應(yīng)用價(jià)值。近年來，已經(jīng)有越來越多的研究人員致力于醫(yī)學(xué)圖像的分割方法的研究，并取得了顯著的成果。但是，已有的半自動和全自動腦部圖像分割方法，以及基于圖像庫的配準(zhǔn)方法，都有著很多局限性，諸如只局限于圖像的局部特征，抗干擾性差，運(yùn)算速度過慢等，這些都限制了它們在醫(yī)學(xué)診斷中的進(jìn)一步應(yīng)用。 針對過去已有算

3、法的局限性，本文結(jié)合課題要求和醫(yī)學(xué)圖像處理的特殊性，重點(diǎn)研究了大腦MR圖像、海馬結(jié)構(gòu)圖像以及其他醫(yī)學(xué)圖像分割算法的新思路和新方法，包括基于小波和分水嶺的醫(yī)學(xué)圖像分割方法、基于小波的醫(yī)學(xué)圖像邊界跟蹤方法和基于小波歸一化割的醫(yī)學(xué)圖像分割方法。具體的研究內(nèi)容和研究成果如下： 1)針對分水嶺分割容易造成圖像過度分割的問題，本文提出了一種改進(jìn)的圖像分割方法，它基于小波變換和應(yīng)用標(biāo)記的分水嶺算法。該方法大大提高了運(yùn)算速度，同時有效地解決了分

4、水嶺變換方法中的過度分割問題，從而保證了分割的效果。 2)針對大腦圖像中紋理復(fù)雜，難以區(qū)分非正常區(qū)域和正常區(qū)域邊界的問題，本文提出了一種改進(jìn)的基于小波多尺度分析的邊界跟蹤方法。該方法首先對大腦圖像進(jìn)行小波變換得到圖像的多分辨率表示，然后利用一種改進(jìn)的輪廓跟蹤算法對最低分辨率的圖像進(jìn)行跟蹤，最終獲得了大腦中病變區(qū)域邊界。 3)深入研究了基于歸一化割的圖像分割算法，并將其應(yīng)用于醫(yī)學(xué)圖像分割中，取得了良好的結(jié)果。 4)