肿瘤的三维检测分割技术研究

发布时间：2020-03-04 16:59

【摘要】：肿瘤的检测分割一直是医疗领域的一大难点,也是当前急需完善的一项技术。肿瘤的检测可以用传统的物理检测,但是对患者的创伤较大,所以本文提出的方法是通过MRI/CT图进行检测。利用机器实现肿瘤的三维检测分割有两种方法,其一是先在CT/MRI图上进行检测划分,再将识别分割好的图像进行三维重构。另一种是直接在三维效果图上检测分割,本文选用第一种方法。本文通过对肿瘤的MRI/CT图像进行配准检测与半自动分割,括出二维图像中肿瘤的轮廓。然后再将提取出的二维图片进行三维重构,使肿瘤呈现接近现实的立体效果。本文中主要解决的问题有以下几点:1、针对患者不同时间和位置的肿瘤扫描图像有偏差,同一肿瘤患处,在短时间内形态会发生变化,使得类似的病理情况在三维重构时,出现重建不准确的情况。本文提出基于同构微分流形的迪蒙斯方式配准,再将图像进行准确融合。2、二维图像分割之前,由于不同的硬件条件,医学成像设备在输入、传输和转换过程中,CT/MRI图片的质量会受到影响,而且大部分的分割方法自主性都比较差。本文通过分析比较,找到基于自主映射的模糊K均值分割算法,通过模糊聚类快速找到相似像素类型,而且加入自主映射概念,结合机器学习,提高自主性和运算效率,有利于下一步的分割处理。通过二维分割的众多方法比较,发现该方法分割相对准确、高效。3、重构部分通过VC++6.0进行三维重建,并且利用MC算法进行模型构建。但构建的网格面数过多,虽然能更完好地展示三维立体效果,但在文件传输、存储过程中占有内存太大,文件或多或少会有损坏,本文提出几何值与数据值函数结合考虑的网格简化方法能够有效减少三维文件所占内存,并且不会过于损坏还原效果。
【图文】：

几何形状,配准,图像,图像配准

ｇＱ邋＝邋ａｒ§邋ｍａｘ７；邋（／，））逦（２－１）逡逑在图２．１中，一个配准过程的例子，呈现了一个配准计算机断层扫描（ＣＴ）图像，逡逑代表了一种放射医学模式。为了配准输入图像，必须经过一些子过程，如图２．２。逡逑■画媝逡逑图２．１图像配准实例：从左到右依次为－参照、目标、和配准后的肿瘤图像逡逑相似、不同测量是第一步，输入图像通过比较彼此来测量它们之间的相似性［２４］。有逡逑效的测量必须抵制噪音和背景的变化。这提供了有效的计算结果以及有效处理语义性的逡逑图像意义。然后，点探测器应用于描述控制、关键点以得到关键信息。逡逑发现的点应该是独立于任何包括噪声、模糊、对比度、几何形状的变化。检测控制逡逑点后，，下一步是获取这些点代表的图像处理的关键信息。提取这些点可以手动或自动完逡逑成。提取的点可以是简单点，如统计点包括均值和方差［２５］。此外，它也可以是复杂的，逡逑比如纹理点。无论提取点的类型是什么，它们必须保证一些特点。这些特征能够区分空逡逑间邻元素，保证原始图像恒定不变，对噪音的强健性，促进在其他图像上对应点的检测。逡逑用来表示图像描述符提取的临界点来预计图像之间的相似性［２６］。因此

仿射变换,目标图像,刚性,相似性

逦Ｊ０逦＾逡逑图２．３常见的刚性变换方法用坐标变换步骤：＆和＇，旋转角度：扩展因子：＆和剪切逡逑因子：Ｃ和Ｇ逡逑＿着＿V逡逑图２．４刚性转换的类型：从左到右依次为参考图像和目标图像的相似性变换，仿射变换，和投逡逑影变换逡逑＾邋ｘ１邋ｆ邋ｗｎ邋ｗ１２逦ｗ１３邋Ｖｘ＾ｊ邋ｆ＼邋０逦０逦０邋Ｖｃｏｓ＜９邋－ｓｉｎ０邋０Ｎ逡逑ｙ＇邋＝邋ｗ２１逦ｗ２２逦ｗ２３逦＾邋＝邋０１邋Ｓｙ邋０邋ａｙ邋０邋ｓｉｎ邋６邋ｃｏｓ６＊邋０逡逑Ｊ邋Ｌ。邋？邋１邋ＪｌｌＪ邋。邋１邋儿？邋Ｑ邋１儿。邋？逦（２＿３）逡逑＇ｉ邋ｏ邋ｏＶｉ邋ｃ，邋0Ｖｘ＞逡逑Ｘ邋４逦１逦０逦０逦１逦０邋ｙ逡逑、０邋０邋１儿０邋０邋１儿邋Ｌ逡逑１２逡逑
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R730.44;TP391.41

【参考文献】