醫(yī)學圖像分割與壓縮算法研究.pdf

1、數(shù)字醫(yī)學圖像是臨床醫(yī)生和專家進行疾病診斷的重要依據，在醫(yī)學影像領域及臨床實踐中發(fā)揮著越來越重要的作用。目前，隨著醫(yī)院PACS系統(tǒng)的普及，醫(yī)學圖像處理技術對醫(yī)學圖像分割算法和醫(yī)學圖像壓縮技術的研究也提出了更高的要求。 本文在綜述了醫(yī)學圖像處理技術的基礎上，著重研究了醫(yī)學圖像分割算法和醫(yī)學圖像壓縮技術的應用，重點圍繞下面三個方面的內容展開了工作： 1、研究了應用粒子群優(yōu)化算法優(yōu)化Markov隨機場模型，對磁共振圖像進行分割的

2、PSO—MRF算法。建立了基于Markov隨機場的圖像分割模型，針對Markov隨機場圖像模型的局部相關特性和最大后驗概率估計，將粒子群優(yōu)化算法應用于該模型中，優(yōu)化參數(shù)并快速獲得全局最優(yōu)解，從而實現(xiàn)圖像目標分割的目的。將實驗結果和傳統(tǒng)模擬退火算法的處理結果進行了比較，實驗結果表明，該方法效率比較高，也較為可靠。 2、根據Markov鏈的理論，結合醫(yī)學圖像特點，以生成醫(yī)學圖像中的閉合曲線為研究目標，將動態(tài)Markov鏈模型用于醫(yī)學

3、圖像分割工作中。算法中通過轉移概率生成一個閉合曲線的Markov鏈，把蒙特卡羅方法融合到該模型中加速收斂速度。實驗結果表明該算法抗噪性較好，分割速度上也有一定優(yōu)勢，得到的分割圖像較為精細。 3、根據醫(yī)學圖像信息相對集中的特點，提出了一種基于EBCOT和DWT的醫(yī)學圖像任意形狀感興趣區(qū)域復合壓縮方法，通過對圖像感興趣區(qū)域和背景區(qū)采用不同的編碼方式，較好地提高了醫(yī)學圖像壓縮比，并基本上確保了醫(yī)學圖像感興趣區(qū)域的高質量重建。實驗表明，