慢性期脑卒中病变分割方法研究

发布时间：2021-04-13 12:50

　　脑血管意外（CVA）,通常称为中风,是一种急性血管疾病,其可形成脑组织突然破裂或脑血管阻塞,导致脑组织损伤。中风的主要后果包括急性发作,高残疾和死亡率。因此,中风的早期诊断对于患者预防疾病的发展特别重要。医学影像分割是对脑卒中影像进行准确分析的关键,因为分割可以直接提高后续任务的有效性和效率。因此,研究人员一致致力于脑卒中影像的分割研究。在中风的急性期,通常使用低分辨率CT扫描和结构MRI（例如T2加权,FLAIR,弥散加权和灌注加权MRI）进行临床分析。对于慢性期,高分辨率T1（T1w）加权磁共振成像更适合评估脑结构变化。但是,目前基于T1w大规模神经影像学的自动标记慢性中风病变的研究很少。因此,对T1w自动分割的研究至关重要。脑图像分割技术的发展经历了几个阶段。以前在医学影像分割中使用手动操作,依赖训练有素的专家手动分割出病变。但是,此手动过程非常耗时,且严重依赖于专家的主观感知。在此之后,已经开发了一系列半自动和全自动分割方法,包括传统的算法和基于机器学习的方法。半自动分割使用人和计算机的交互信息进行处理,例如基于区域增长模式的算法,由专家选择区域,然后由计算机进行分割。与手动分... 

【文章来源】：中国科学院大学(中国科学院深圳先进技术研究院)广东省

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

图２．１图像灰度一维直方图??Ｆｉｇｕｒｅ?２．１?Ｉｍａｇｅ?ｇｒａｙ?ｏｎｅ－ｄｉｍｅｎｓｉｏｎａｌ?ｈｉｓｔｏｇｒａｍ??不同的阈值分割方法在算法流程上存在一定差异，典型的方法一般先确定分??

?慢性期脑卒中病变分割方法???迭代阈值分割等。下面进行简要的介绍。??爐厕??ｗｍＭｔ??￥丨＼．?１??■ｉ?ｍＨＩ??图２．２对图像使用不同阈值后的结果。左上角为原始图像，其余为阈值分割图像。??Ｆｉｇｕｒｅ?２．２?Ｔｈｅ?ｒｅｓｕｌｔ?ｏｆ?ｕｓｉｎｇ?ｄｉｆｆｅｒｅｎｔ?ｔｈｒｅｓｈｏｌｄｓ?ｆｏｒ?ｔｈｅ?ｉｍａｇｅ．?Ｔｈｅ?ｕｐｐｅｒ?ｌｅｆｔ?ｃｏｍｅｒ?ｉｓ?ｔｈｅ??ｏｒｉｇｉｎａｌ?ｉｍａｇｅ，?ａｎｄ?ｔｈｅ?ｒｅｓｔ?ａｒｅ?ｔｈｅ?ｔｈｒｅｓｈｏｌｄ?ｓｅｇｍｅｎｔｅｄ?ｉｍａｇｅｓ．??Ｏｔｓｕ阈值分割，也称为大津法或最大类间方差法［２８］。顾名思义，该方法把??图像划分为两部分，通过方差的计算来寻找一个最佳的阈值，所以该方法可用于??图像的二值化。当类间方差最大，类内方差时，算法选到最佳阈值，使分错的可??能性达到最校在求图像全局阈值的方法中是最佳方法，应用极为广泛，能胜任??绝大多数求图像全局阈值的场合。该方法计算快速，不受图像亮度和对比度的影??响，但是对图像噪声敏感，只能处理单目标。当目标较多或者目标与背景面积差??异较大时，类间方差函数可能出现非单峰情况，分割结果不佳。??最大熵阈值分割法［２９］与最大类间方差法相似，都是假设将图像分为两部分，??即背景和前景。熵表示信息量，图像信息量越大，熵就越大，当选定的阈值使得??划分的两部分熵之和最大时，该算法就找到了最佳阈值。算法在处理光影变化过??大或者一定范围内颜色差异不太明显的图片时具有一定的优势。??迭代阈值分割算法是基于双峰法的改良版本，逐步靠近最佳阈值的是它的核??８??

?第２章常见图像分割方法概述???式和相应的结果很容易概念化，这使相对不熟练的用户在第一次尝试时就可以实??现良好的分割。这些基于区域的方法效率都不高，且需要较高的先验知识来初始??化算法。??２．１．４基于图论的分割方法??基于图论的方法主要是将图像建立成一个图，利用图理论中的划分方法将图??中的节点进行划分，从而分割原始图像。具体来说是把图像中的像素当做图的节??点，节点之间使用带有权值的边进行连接。一般使用无向图作为模型，即边是无??向的，如图２．６所示。边的权值由像素之间的颜色，灰度和纹理相似度决定。基??于图论的一些经典的方法主要包括图割［３５］、最小支撑树［３６］、随机游走［３７］等方法。??这些方法也有一定的局限性：在遇到模糊边界和椒盐噪声时鲁棒性较低，且实时??性不高。主要原因是由于图论方法原有的缺点，对于相似性数据区分能力较弱。??ｗ３?ｗ４?ｗ５??ｗ８?Ｗ９?Ｗ１０??图２．６无向图。Ｖｉ表示节点，Ｗｉ表示边的权值。??Ｆｉｇｕｒｅ?２．６?Ｕｎｄｉｒｅｃｔｅｄ?ｇｒａｐｈ．?Ｖｉ?ｒｅｐｒｅｓｅｎｔｓ?ｎｏｄｅｓ?ａｎｄ?Ｗｉ?ｒｅｐｒｅｓｅｎｔｓ?ｗｅｉｇｈｔｓ?ｏｆ?ｅｄｇｅｓ．??２．２基于深度学习的图像语义分割??传统的图像处理方法虽然过程简单，但是需要先验知识（精心设计或选择的??特征）。由于这些手工特征在数量和复杂度上不占据优势，在表征图像上局限性??很大，因此对于高精度要求的复杂任务来说难免有些吃力。近来神经网络在图像??领域取得了较好的效果，尤其是卷积神经网络。它不需要手工设计特征，而是使??用卷积和池化等一系列操作提取图像特征，并根据具体任务设计相应的损失函

【参考文献】：
期刊论文
[1]图像分割算法研究综述[J]. 何俊,葛红,王玉峰.  计算机工程与科学. 2009(12)
[2]附有条件的最小支撑树算法[J]. 厍向阳,罗晓霞.  西安科技大学学报. 2008(04)



本文编号：3135329