基于PSO-SVM的膝關(guān)節(jié)軟骨分割算法研究.pdf

1、骨關(guān)節(jié)炎早期診斷很重要,其臨床表現(xiàn)通常為軟骨退行性變性和消失,通過對(duì)關(guān)節(jié)軟骨的成像及圖像處理可以捕捉軟骨的變化并實(shí)現(xiàn)早期診斷。關(guān)節(jié)軟骨圖像的自動(dòng)分割是圖像處理的重要環(huán)節(jié),具有客觀性、可量化等優(yōu)點(diǎn)。遺憾的是,目前很少公開報(bào)道關(guān)于關(guān)節(jié)軟骨圖像的自動(dòng)分割方法,且現(xiàn)有的方法大多采用單一方法,效果難以令人滿意,因此急需要研究高效的關(guān)節(jié)軟骨圖像自動(dòng)分割方法。
　　基于以上分析,以膝關(guān)MRI序列為研究對(duì)象,綜合利用多種圖像分割算法,旨在實(shí)現(xiàn)一種

2、高效的關(guān)節(jié)軟骨圖像自動(dòng)分割方法,精確、快速地分割出軟骨組織,便于為臨床醫(yī)師計(jì)算軟骨組織厚度和體積,觀察不同時(shí)期厚度和體積的變化提供有利依據(jù),從而進(jìn)行診斷和治療。關(guān)節(jié)軟骨圖像存在形態(tài)紋理復(fù)雜、噪聲嚴(yán)重、軟骨與非軟骨之間邊界模糊等問題,影響了分割效果。為了解決這些問題,主要做了如下主要工作:
　?、偈紫妊芯坎⑻岢隽烁倪M(jìn)自適應(yīng)Canny邊緣檢測(cè)算子,通過計(jì)算每幅圖像的梯度值經(jīng)過反復(fù)迭代可得出各自的最佳閾值;然后為了解決邊緣提取中出現(xiàn)的漏

3、檢和過檢問題,本文提出了采用PSO-SVM來對(duì)邊緣進(jìn)行分類,從而較好的保留軟骨邊緣,實(shí)現(xiàn)了軟骨的精確定位。
　?、诨趨^(qū)域灰度差的新相似性準(zhǔn)則,解決了傳統(tǒng)的區(qū)域生長(zhǎng)算法僅僅依靠圖像的局部性質(zhì)確定固定的生長(zhǎng)準(zhǔn)則效果不佳的問題;此外,采用PSO對(duì)新的相似性準(zhǔn)則中的調(diào)整系數(shù)進(jìn)行了優(yōu)化,提升了改進(jìn)的區(qū)域生長(zhǎng)算法的性能;最后組織實(shí)驗(yàn)將本文提出的改進(jìn)的區(qū)域生長(zhǎng)算法與其他相關(guān)分割算法進(jìn)行對(duì)比分析。
　　本文研究成果將為關(guān)節(jié)軟骨圖像自動(dòng)分割