MR图像中的椎块分割算法研究

发布时间：2021-08-01 12:14

　　在脊椎MR图像中,患者身体的病变信号通常隐藏在椎块位置的偏移和椎块大小的变化,或者椎间盘的变化信息中。研究脊椎和椎块分割算法,实现MR图像中多个模态下的椎块自动分割系统,将有助于医生开展诊断和治疗工作。算法共分为三个模块,分别是脊椎图像的预处理、基于深度学习的椎块分割和分割结果的修补处理。预处理时,基于脊髓区域完整性和椎块边缘清晰度等特征在多层矢状面图像中挑选出最优图层;基于灰度值拉伸和反锐化算法实现图像增强;根据脊椎的右边线的凹凸性和脊椎宽度信息判断椎段部位,进而提取脊椎ROI用于深度学习和结果优化。在脊椎ROI区域中分割椎块时,将从多个模态数据中提取到的ROI混合在一起,采用V-Net网络模型进行训练,损失函数使用soft dice loss函数。采用ROI图像进行训练比用整幅图像的训练效果要好。根据训练得到的网络模型分割脊椎图像,得到初始的椎块分割结果后进行优化。优化过程分为黏连椎块的检测与隔断、缺失椎块的检测与修复两个部分。黏连椎块的检测利用了多椎块黏连后的高度信息和面积信息。对于空洞型黏连的椎块,在空洞处根据垂线断开;对于单边黏连的椎块,从凸包算法检测出的凹点处进行隔断。缺失... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

T1加权图像

的椎块分割算法系统的整体架构，并简单介绍每个模块的功能和作用。2.1 课题任务2.1.1 问题描述本次课题任务处理的脊椎的 MR 图像共分为八种模态。每种模态的成像特点各不相同，处理起来比较复杂。这八种模态为：T1 加权下的 Echo1，Echo2，Water，Fat 模态和 T2 加权下的 Echo1，Echo2，Water，Fat 模态。图 2.1 T1 加权图像

采集正反相位成像法中得到的两种回波算，除去脂肪信号后得到的。Water 模态的多是水质子的信号。Fat 模态得到的图子的成分较高，因此在 Fat 模态中会呈现可知，每种模态下的图像中椎块、椎间盘权方式对于图像中的各区域也存在着显著中会介绍到不同模态下的图像所进行的是基于一些对脊椎图像进行处理后得到椎段的判定，深度学习模型的训练和分，除了本文需要进行图像分割处理的脊组织的影响。如果直接使用 MR 图像进且不必要的计算量。

【参考文献】：
期刊论文
[1]脊椎图像分割与椎体信息提取的算法及应用[J]. 李滚,刘欢,柯善群.  电子设计工程. 2017(16)
[2]一种全自动的脊柱CT图像分割算法研究[J]. 张媛,周啸虎,郭静丽,高伟.  中国医疗设备. 2016(12)
[3]脊柱外伤患者的CT及MRI影像表现及诊断价值比较[J]. 吴陈欢,郭璇,程中华.  中国CT和MRI杂志. 2016(07)
[4]基于改进的GAC模型的图像分割[J]. 刘金清,刘引,喻丽春,刘伟伟.  哈尔滨师范大学自然科学学报. 2016(04)
[5]基于Gabor特征的MRI椎间盘定位与退行性变分级算法研究[J]. 林晓红,闫铮,程继伟,朱新建.  中国生物医学工程学报. 2015(06)
[6]基于Top-hat变换和角点检测的MRI脊椎分割算法[J]. 钱鹰,樊凡,韦庆杰.  计算机应用与软件. 2014(07)
[7]一种基于区域生长算法的脊椎椎体提取方法[J]. 曾鹏,王正勇,滕奇志.  科学技术与工程. 2014(06)

硕士论文
[1]核磁图像的全脊椎的定位和标记算法的研究与实现[D]. 刘淼.华中科技大学 2017
[2]辅助临床诊断中的脊柱图像关键特征提取量化算法研究[D]. 林晓红.华侨大学 2016
[3]MRI脊柱图像的定位与分割[D]. 查艳丽.北京交通大学 2009
[4]MRI脊柱图像椎间盘分割及定位算法研究[D]. 赵燕燕.北京交通大学 2008



本文编号：3315507