基于MRI的腦腫瘤序列圖像的分割方法的研究.pdf

1、MRI成像因其無損傷、無痛苦、適合軟組織診斷等特點而成為腦腫瘤診斷的重要檢測手段。MRI圖像分割是對MRI圖像進行分析的基本步驟，也是利用MRI圖像進行定性、定量分析的一個至關(guān)重要的環(huán)節(jié)。然而在MRI醫(yī)學(xué)圖像處理與分析中，對目標和病灶的識別、定位及定量分析還主要依賴圖像的手動分割。隨著MR醫(yī)學(xué)成像在臨床應(yīng)用中越來越廣泛，迫切需要利用計算機算法對解剖結(jié)構(gòu)或感興趣區(qū)域進行自動分割描述。分割的準確性對醫(yī)生判斷疾病的真實情況并做出相應(yīng)的診斷計劃

2、至關(guān)重要，因此研究自動或半自動分割方法是非常重要的。 活動輪廓模型因其能夠?qū)⒏邔右曈X知識與低層圖像信息有機結(jié)合，近年來廣泛應(yīng)用于醫(yī)學(xué)圖像分割。本文提出了一種結(jié)合貪婪算法和活動輪廓模型的新的醫(yī)學(xué)序列圖像分割算法。本文以臨床磁共振顱腦圖像為研究對象，以自動、精確分割出腦腫瘤為目的。首先采用各向異性濾波對圖像進行濾波預(yù)處理。然后通過對傳統(tǒng)活動輪廓模型及其幾種主要的改進模型的分析，將模型的內(nèi)部能量和外部能量做出了以下改進：1、在模型的內(nèi)

3、部能量中加入輪廓平均長度項的控制，從而避免輪廓中相鄰控制點在迭代過程中的互相匯聚；2、在模型的外部能量中加入了梯度方向勢能，避免活動輪廓停留在錯誤的物體邊緣處；3、采用了基于圖像統(tǒng)計特征的區(qū)域能量作為模型的外部能量，使模型能有效的避免噪聲的干擾。同時，為使算法具有實用價值，采用速度較快的貪婪算法作為求解模型能量最小的算法，并提出區(qū)域能量在貪婪算法中的快速求解方法。另外采用動態(tài)調(diào)整蛇點的算法，使蛇點數(shù)目能夠自適應(yīng)地變化，能夠很好的描述目標

4、形狀，保證了穩(wěn)定跟蹤。并且提出了一種新的Snake曲線的輪廓初始化方法。為了提高序列圖像分割的自動程度，首先找出關(guān)鍵幀圖像，將整個序列圖像分成兩部分，然后提出了一種新的Snake曲線的輪廓初始化方法，先將關(guān)鍵幀圖像精確分割，再利用序列圖像的逐漸變化特性，將前一幀分割結(jié)果作為下一幀的初始輪廓，即可實現(xiàn)腦腫瘤MRI序列圖像的自動分割。 將仿真實驗結(jié)果與手工分割以及著名的GVF模型的分割結(jié)果對比，表明本算法與人工分割的結(jié)果近似，在弱邊