人脑核磁共振图像的快速分割及校正模型研究

发布时间：2020-03-19 02:23

【摘要】：核磁共振图像在人脑疾病的诊断中的地位日渐重要,但核磁共振成像技术会使图像受到不同程度的偏磁场扰动,偏磁场影响后续医学从业者对图像的分析,直接关系到诊断结果的准确度。因此,如何对具有偏磁场扰动的人脑核磁共振图像进行偏磁场校正并准确分割,是具有重要的实际意义的。现存的众多偏磁场校正或图像分割模型,在处理受到严重偏磁场扰动的图像时,都表现出了一定的缺陷,如无法准确分割图像、无法给出合理的校正结果等。基于以上现状,本文同时考虑校正过程和分割过程,建立了两个能同时给出图像校正及分割结果的模型。借助一组基函数来近似表达图像的灰度和偏磁场,建立一个人脑核磁共振图像校正及分割模型。乘法内在分量优化模型利用一组基函数近似图像中存在的偏磁场,但没有考虑图像灰度本身的连续性,在校正及分割受到严重偏磁场扰动的图像时,无法给出准确的结果。因此,基于乘法内在分量优化的模型和分裂Bregman方法,本文提出了一个基函数表达的人脑核磁共振图像校正及分割模型,新模型合理考虑了图像灰度的连续性以及偏磁场的扰动作用,能够在对人脑核磁共振图像进行适度校正的同时给出分割结果。为更好地观察模型的性能,我们将新模型与乘法内在分量优化模型同时应用于大量的人脑核磁共振图像,在实验中对两个模型的分割效果、校正效果以及效率进行了比较。结果表明,新模型无论是在校正效果还是分割效果上都有一定提升,特别是对于乘法内在分量优化模型无法处理的强偏磁场扰动的图像,新模型也能给出较好的校正及分割结果。此外,由于在新模型求解中运用了分裂Bregman方法,新模型的求解速度也得到了提升。结合多图谱信息及图像自身信息,建立一个针对于三维人脑核磁共振图像的校正及分割模型,用于校正及分割三维人脑核磁共振图像中的局部组织。现存的模型在三维人脑核磁共振图像的校正及分割中,过于注重每一个二维切片上的图像信息,没有合理利用三维图像的空间性,会出现校正或者分割不准确的情况。本文所提出的新模型既保留手工分割的三维曲面,又强调二维切片了自身的图像信息。新模型在图像数据项中充分考虑偏磁场的扰动,使得新模型能在消除偏磁场扰动的同时给出分割结果,在多图谱融合项中引入一个空间权重函数,降低了模型对图谱数量和质量的敏感性,在求解过程中运用分裂Bregman方法,模型的求解效率得到提升。实验中,我们将新模型与多种分割方法进行了对比,验证了新模型在分割效果与效率上的优点,给出了新模型对三维图像的偏磁场校正结果。
【图文】：

SCMB模型与MICO模型的分割校正对比

c)灰度直方图 d)灰度直方图图 2-2 SCMB 模型与 MICO 模型偏磁场校正前后灰度直方图对比a)原始图像 b)分割结果 c)校正结果d)原始图像 e)分割结果 f)校正结果
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;R445.2

【相似文献】

相关期刊论文 前10条

1 李奇;;英国华人脑部寄生虫潜伏4年[J];科学大观园;2015年02期

2 栾永万;;核磁共振图像的质量[J];中国医疗器械杂志;1988年06期

3 魏蕊;董秀珍;;儿童脑部三维核磁共振图像的分割[J];医疗卫生装备;2009年01期

4 黄钦钦;;稀疏编码在静息态核磁共振图像中的应用[J];信息化研究;2012年02期

5 刘兆;沈辉;高政;胡德文;;一种基于区域相关性的三维核磁共振图像快速分割方法[J];计算机工程与科学;2008年07期

6 尤建洁;王平安;夏德深;;利用纹理信息的带标记线心脏核磁共振图像分割[J];中国图象图形学报;2007年09期

7 昌仁民;核磁共振图像质量与各参数的调谐[J];CT理论与应用研究;1996年03期

8 张红雨;;基于向量稀疏和矩阵低秩的压缩感知核磁共振图像重建算法[J];天津理工大学学报;2017年01期

9 陈强;周则明;屈颖歌;王平安;夏德深;;基于窄带水平集的带标记线左心室核磁共振图像的自动分割[J];模式识别与人工智能;2005年01期

10 徐逸敏;万军平;;固定义齿修复对头颈部核磁共振图像影响的临床观察[J];牙体牙髓牙周病学杂志;2009年08期

相关会议论文 前1条

1 连远锋;赵剡;吴发林;;结合多小波与自适应概率神经网络的核磁图像分割[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

相关重要报纸文章 前6条

1 本报驻巴黎记者李红;极化氦气——肺病诊疗的好帮手[N];科技日报;2003年

2 ;应对突发高峰业务[N];中国计算机报;2003年

3 宣金祥;把医生“送入”患者体内[N];大众科技报;2008年

4 本报记者 张梦然;科学拒绝“例行公事”[N];科技日报;2008年

5 袁海;“超能战士”——7天7夜不睡觉[N];中国国防报;2003年

6 陶颖;开口说“话”[N];吉林日报;2006年

相关博士学位论文 前10条

1 段先华;核磁共振图像分割与运动分析若干技术研究[D];南京理工大学;2005年

2 张建伟;基于变分方法的心脏核磁共振图像分割研究[D];南京理工大学;2006年

3 尤建洁;基于心脏核磁共振图像的左心室分割及动力学模型研究[D];南京理工大学;2007年

4 李国燕;基于压缩感知的核磁共振成像重建技术研究[D];河北工业大学;2013年

5 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年

6 刘复昌;核磁共振图像左心室轮廓的自动及交互分割方法研究[D];南京理工大学;2009年

7 王利;脑核磁共振图像分割技术研究[D];南京理工大学;2010年

8 张建锋;基于核磁共振成像技术的作物根系原位无损检测研究[D];浙江大学;2014年

9 郭冬梅;肝脏病变MRI诊断与计算机辅助诊断[D];大连理工大学;2011年

10 车娜;基于偏移场的核磁共振脑图像分割算法研究[D];吉林大学;2013年

相关硕士学位论文 前10条

1 阮思纯;人脑核磁共振图像的快速分割及校正模型研究[D];哈尔滨工业大学;2018年

2 尹航;基于深度学习的心室核磁共振图像分割研究与应用[D];兰州大学;2019年

3 李帅;脊柱核磁共振图像的分割算法研究与实现[D];武汉理工大学;2017年

4 张红雨;基于压缩感知理论的核磁共振图像重建算法研究[D];天津大学;2017年

5 奚昌凤;基于稀疏与低秩的动态核磁共振图像重建[D];中国科学技术大学;2017年

6 郝世杰;脊椎核磁共振图像分割与定量分析及其三维可视化研究[D];合肥工业大学;2009年

7 窦丽莉;基于吸引力传播算法的脑核磁共振图像分割[D];东北师范大学;2009年

8 王小杰;基于图割算法的心脏核磁共振图像分割[D];北京理工大学;2010年

9 魏蕊;儿童脑部三维核磁共振图像的分割[D];第四军医大学;2009年

10 赵恒博;基于主动轮廓模型的心脏核磁共振图像左心室分割方法研究[D];北京理工大学;2011年

，

本文编号：2589554