基于医学序列图像的组织区域自动分割算法研究

发布时间：2020-12-04 18:40

　　随着医学成像技术与计算机技术的发展,计算机辅助医疗诊断得到了广泛的应用,其中,医学图像分割技术作为关键的一步起着至关重要的作用,图像分割的结果直接的影响着后续医疗分析的正确率。由于人体组织结构本身的复杂性和差异性,以及医疗诊断对于分割精度的高要求,目前常用的医学分割算法主要是基于人工参与的半自动化分割算法。但是,伴随着医疗数据的不断增多,这将会增加医务人员的工作负担,从而影响诊断的效率,因此,研究一种自动化的分割算法,具有重要的理论意义与现实价值。针对这一问题,本文分别提出两种分割算法,具体研究内容与创新点如下:1.提出一种基于三维空间医学图像自动分割及重建算法,针对传统区域生长算法中种子点依赖于人工选取、生长策略与终止策略难以设定的问题、以及算法仅利用图像数据的二维信息而没有考虑序列图像中三维空间的位置信息的问题做出改进,提出了种子点自动提取算法、结合边缘约束的生长策略、以及基于类间方差的终止策略。本人所提算法与基于期望值最大化方法的磁共振图像人脑组织自动化分割算法以及基于纹理特征与亮度特征的自动化分割算法进行对比,分割精度提高了 2%左右。2.提出一种基于种子点的医学图像分割网络,... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

图２－１图像边缘的灰度导数变化??

ｆｋ?Ａ?Ａ??图２－２基于水平集分割算法的示意图??如图２－２所示，在二维空间中，曲线在运动的过程中有可能合并成一条曲线或者分??裂成两条曲线，所以无法用一个连续的参数化曲线去表示这种运动情况，但是，对于三??维的曲面来说，可以在不改变曲面本身拓扑结构的基础上＊利用曲面与二维乎面的交线??来描述这个曲线，也就是我们常说的曲面的等高线。因此，在ｔ时刻，曲面０等高线处??的曲线的表现形式可以写成公式（２－８）所示：??０（（ｘ，ｙ），ｔ）?＝?０?（２－８）??其中，演化规律遵循公式（２－９）：??（５０??瓦＝Ｆ＿?（２－９）??［（ｐ（ｘ，ｙ，０）?＝?（ｐ〇（ｘ，ｙ）??其中，Ｆ表示曲线上各个点的演化速度，方向由曲线在该点出的法线方向决定，其??法向矢量Ｊｉ和曲线曲率Ｋ分别如公式（２－１０＞与公式（２－１１）所示：??ｎ?＝?Ｖ（ｐ?（２－１０）??飞

气??（Ｘ２：＾＾?上）＾?ｙ??图２－３单眉神经网络??如图２－３所示，显示了神经网络中的一个神经元模型，神经元是组成神经网络的最??＿本单元，其中，ｘ．表示神经元的输入，ｙ表示神经元的输：出，网络逋过学习权重参数??ｗ和偏置项参数ｂ，使得输出的ｙ?＝?ｘ＾ｉｖ?＋６近似最期望的输出，但是，基于这种线性模??型组成而成的网络虽然具有训练速度快的优点，但是对非线性可分的问题表达能力差，??因此，为了增强网络的表达能力，对网络引入激活函数，用来增加网络的非线性能力，??加入激活函数之后，神经元输出变为ｙ?＝／〇＾ｗ?＋６）。常用的激活函数如图２－４所示：??１７??

【参考文献】：
博士论文
[1]眼底图像分割方法研究[D]. 姜平.吉林大学 2018
[2]带约束的图像分割方法研究及应用[D]. 钟丽.山东大学 2018

硕士论文
[1]基于深度学习的医学图像分割方法研究[D]. 王凯明.中国科学技术大学 2018
[2]基于水平集方法的CT图像肺血管分割算法研究[D]. 宁姣.山东师范大学 2018
[3]MRI脑部肿瘤分割及其三维重建[D]. 侯东奥.南昌航空大学 2018
[4]基于卷积神经网络的乳腺肿瘤良恶性鉴定技术研究[D]. 韩哲.太原理工大学 2018
[5]基于深度学习的细胞核图像分割研究[D]. 杨凯.重庆大学 2018



本文编号：2898064