醫(yī)學(xué)圖像分割算法研究及其在骨密度測量中應(yīng)用.pdf

1、近年來，在基于醫(yī)學(xué)圖像的計算機輔助診斷系統(tǒng)及醫(yī)療器械中，醫(yī)學(xué)圖像分割技術(shù)日益彰顯其重要地位。隨著社會人口結(jié)構(gòu)日益老齡化，利用定量 CT骨密度測量結(jié)果進行骨質(zhì)疏松癥及其代謝性疾病的輔助診斷，顯示出了獨特的優(yōu)勢與應(yīng)用價值。由于醫(yī)學(xué)圖像具有解剖結(jié)構(gòu)復(fù)雜性、成像模糊性、灰度不均勻性和數(shù)據(jù)海量性等特點，雖然目前的圖像分割算法在某些方面取得了突破性進展，但離臨床具體應(yīng)用對于分割準確性的要求還有較大差距，這也成為了QCT骨密度測量方法未能在臨床廣泛應(yīng)

2、用的重要原因之一。本文從研究醫(yī)學(xué)圖像分割方法入手，重點研究如何提高三維 CT腰椎骨圖像分割算法的準確性與可靠性。在此基礎(chǔ)之上，將分割結(jié)果應(yīng)用于定量CT骨密度測量，研究內(nèi)容包含以下幾項：
　　一、對現(xiàn)有醫(yī)學(xué)圖像分割算法進行研究，結(jié)合骨密度測量應(yīng)用中三維骨骼圖像分割的具體任務(wù)，提出了一種先驗知識增強的三維腰椎骨圖像分割方法。該方法將統(tǒng)計形狀模型（ASM）與GrabCut算法相結(jié)合，利用ASM獲取統(tǒng)計形狀先驗知識定義形狀項，增強待分割圖

3、像目標的形狀和空間位置信息，將形狀項融入 GrabCut算法能量函數(shù)進行分割約束，從而提高三維腰椎骨圖像分割精度。通過定量分析，本文方法分割結(jié)果Dice相似系數(shù)達到了0.96。相較于ASM和傳統(tǒng)GrabCut，分割精度與可靠性均有了較大的提高，且在訓(xùn)練集較小的情況下，仍能取得很好的結(jié)果。
　　二、結(jié)合Ostu閾值法與數(shù)學(xué)形態(tài)學(xué)處理對單節(jié)腰椎骨圖像中進行內(nèi)表面分割。分割結(jié)果顯示，該方法成功實現(xiàn)了皮質(zhì)骨與松質(zhì)骨的分離，為后續(xù)QCT骨密

4、度測量提供了圖像基礎(chǔ)。
　　三、對QCT骨密度測量技術(shù)相關(guān)原理進行分析，給出了完整的QCT骨密度測量方案。利用最小二乘方法建立骨密度與 CT值的線性映射關(guān)系，將圖像分割結(jié)果應(yīng)用于有體模的QCT骨密度測量。實驗結(jié)果表明，本文測量結(jié)果與DXA檢查結(jié)果相關(guān)系數(shù)達到0.808，佐證了測量結(jié)果的真實可靠。
　　四、將醫(yī)學(xué)圖像分割開發(fā)工具包ITK和可視化包VTK，以及Qt開發(fā)技術(shù)整合，在Visual Studio2012上利用C++語言