CT图像中脑部中矢状面提取方法

发布时间：2020-03-31 10:55

【摘要】：大脑的中矢状平面(Midsagittal Plane,MSP)可以用来评估大脑左右半球的对称性,利用获得的评估结果可以帮助诊断某些脑部疾病,因此研究MSP的提取在临床中具有重要意义。然而现有的提取方法大多存在计算成本大、对图像方向有一定要求等问题,针对这些问题,论文研究一种适用于各个方向脑部图像,同时可以快速、准确的提取脑部中矢状平面的算法。根据处理对象的维度,基于大脑对称性的MSP提取方法可以分为两类。第一类方法是对三维图像进行多尺度搜索,该类方法对脑部CT图像的初始方向没有限制,强调了CT图像的整体对称性,所以当结果细化到每层切片时会有所偏差。另外,由于需要进行多尺度搜索,该类方法计算成本较大。第二类方法是对二维图像进行搜索,该类方法可以有效克服上述缺点,但需要保证二维切片的对称性特征存在,因此对脑部CT图像的初始方向有一定的要求。论文提出的中矢状平面提取算法是对这两种方法的改进,其主要创新之处在于:结合上述两种算法的优点,将脑部中矢状平面的提取过程分为两步,第一步利用大脑的边缘信息和全局对称性,对三维图像进行单尺度搜索,从而初步定位中矢状平面。第二步首先利用初始平面的位置对CT图像的方向进行调整,使其满足基于二维图像提取MSP的方法对CT图像方向的要求;然后利用二维图像中大脑纵裂附近具有局部对称性的特性获取近似纵裂线段,将近似纵裂线段中的异常值去除,从而获取主导中矢状平面取向的近似纵裂线段,最终拟合出中矢状平面。本算法不仅不再限制脑部CT图像的初始方向,还保证了提取结果在二维图像上的准确性,同时减少了计算成本。将改进的提取算法与上述两种方法分别作对比实验,实验结果表明,本算法与上述两种传统方法相比,能更准确的提取中矢状平面。
【图文】：

包括端脑和间脑。端脑是脊椎动两半球组成，主要包括大脑皮质、大脑髓质和胝体相连，大脑纵裂将两个半球隔开，大脑暗的一条线，如图 2.1 所示，图中标记的红面覆盖着一层灰质（Grey Matter, GM），称皮层的深面为白质（White Matter, WM），由各室，脑室中存在着脑脊液（Cerebro-Spinal 大脑纵裂对称，因此，提取脑部中矢状面的中矢状面的位置。

图 2.2 人体矢状面、横断面、冠状面扫描，是用 X 射线束扫描人体某部位一定构成三维 CT 图像的二维切片，CT 图像是，为了显示整个器官，需要多个连续的层面获取完整的三维 CT 图像[40]。数字矩阵，矩阵的元素称为体素，每个元反映物质的密度，即物质的CT值越高则物示：CT = α × 值为 1000 时，CT 值的单位为亨氏单位（H
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 冯桂莲;;曲率驱动扩散图像边缘形态复合滤波方法仿真[J];计算机仿真;2019年09期

2 张锦华;孙挺;;引入像点融合度修补的图像边缘化参差拼接实现[J];微电子学与计算机;2014年08期

3 翟逸飞;;基于FPGA的图像边缘处理研究[J];企业技术开发;2013年12期

4 顾长友;妙用Photoshop处理图像边缘[J];电脑知识与技术;2003年08期

5 濮群,余桂;用线性模型检测图像边缘[J];清华大学学报(自然科学版);1988年01期

6 宋建中;;喷雾图像的自动分析[J];光学机械;1988年04期

7 高华;;关于古建筑图像中破损点优化提取仿真[J];计算机仿真;2017年11期

8 刘娟娟;刘斌;;低照度非线性光学图像边缘自适应增强装置设计[J];激光杂志;2017年03期

9 许志强;张婷;;数字式多媒体场景图像准确分类方法仿真[J];计算机仿真;2019年07期

10 张琳梅;;基于图像边缘增强的改进方法[J];信息系统工程;2016年03期

相关会议论文 前10条

1 陆成刚;陈刚;张但;闵春燕;;图像边缘的优化模型[A];'2002系统仿真技术及其应用学术论文集（第四卷）[C];2002年

2 王培珍;杨维翰;陈维南;;图像边缘信息的融合方案研究[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

3 王亮亮;李明;高昕;;强模糊空间目标图像边缘获取方法研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

4 陈炜;张阳阳;孟庆勋;;一种基于Curvelet变换的图像边缘增强方法[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

5 张明慧;;基于模糊蒙片算法的CR图像边缘增强[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 孙增国;师蕊;;基于L_(1/2)范数的高分三SAR图像的非局部均值降斑[A];第五届高分辨率对地观测学术年会论文集[C];2018年

7 杨文秀;陆常周;;最优小波问题探讨[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

8 赵恩良;姜盈帆;孙丽华;曹康敏;金瑞巧;;一种基于变窗口的图像去噪算法研究[A];第十六届沈阳科学学术年会论文集（理工农医）[C];2019年

9 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

10 胡昌伟;屈小波;郭迪;宁本德;陈忠;;基于边缘加权的l_1-l_2范数MRI欠采重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

相关重要报纸文章 前7条

1 侯杰;国产芯片进军移动多媒体市场[N];人民邮电;2003年

2 吴飞;无边距照片打印三部曲[N];中国电脑教育报;2003年

3 成岭;消除Premiere中慢镜头的图像抖动[N];电脑报;2003年

4 ;体验决定一切[N];中国计算机报;2003年

5 Wang JS;抠图又有新招[N];电脑报;2002年

6 徐和德;从实战出发选择合适镜头[N];中国摄影报;2019年

7 ;令挑剔的人也刮目相看[N];中国电子报;2001年

相关博士学位论文 前10条

1 吴迪;光学遥感图像典型目标检测方法研究[D];哈尔滨工业大学;2019年

2 王瑶;复杂天气下的道路识别方法研究[D];哈尔滨工业大学;2019年

3 宋伟先;基于深度学习的猪只目标检测及状态分析[D];东北农业大学;2019年

4 张玲;图像光照恢复与分解技术研究[D];武汉大学;2017年

5 蔡博仑;图像去雾与增强算法的研究[D];华南理工大学;2019年

6 欧巧凤;二维凝胶电泳图像中一致蛋白质斑点集检测技术研究[D];西北工业大学;2018年

7 唐国良;视频监控图像局部特征描述和相机接力研究[D];西安电子科技大学;2019年

8 孙景峰;基于图像特征的示波屏识别关键技术研究及应用[D];西北工业大学;2018年

9 刘飞;透混沌介质偏振成像技术[D];西安电子科技大学;2016年

10 李永军;图像与视频低复杂度压缩算法研究[D];西安电子科技大学;2017年

相关硕士学位论文 前10条

1 王东;视觉窄化下船舶目标图像的检测方法研究[D];江苏科技大学;2019年

2 许晨;基于图像的内河导航与目标跟踪关键技术研究[D];江苏科技大学;2019年

3 提璇;基于两种先验知识的图像去雾算法[D];山东科技大学;2018年

4 陈晓迪;基于单幅图像的去雾算法研究[D];黑龙江大学;2019年

5 陈国松;基于FPGA和USB3.0的图像信息采集与处理系统设计与实现[D];吉林大学;2019年

6 单榕;基于视觉感受度和物体度的图像显著性检测算法研究[D];山东科技大学;2018年

7 田媛媛;基于稀疏重建方法的牛体征检测图像研究[D];内蒙古科技大学;2019年

8 常一凡;基于CTA图像的冠状动脉分割方法研究[D];内蒙古科技大学;2019年

9 李芳;影响panum融合区显示深度相关参数研究及图像优化[D];内蒙古科技大学;2019年

10 余洁;基于集群的海量MOST图像快速预处理研究[D];华中科技大学;2019年

，

本文编号：2608982