脑肿瘤MR图像分割算法研究

发布时间：2020-12-23 04:29

　　脑肿瘤早期诊断对治疗的改善和患者生存率的提高起着重要的作用.但脑肿瘤很难通过侵入性的检查来诊断,因此医学影像学手段成为了最直观的辅助脑肿瘤诊断方法.在各种影像学方法中,MRI作为一种应用广泛的医学影像学技术,对软组织的分辨率高,无骨性伪影,可以生成各种截面影像,甚至直接生成三维图像,因此在脑肿瘤的辅助诊断中具有很大的优势.脑肿瘤MR图像的分割,是指将脑肿瘤组织在MR图像上从正常的组织(包括脑灰质、脑白质、脑脊液等)中分割出来,并进一步分割其亚结构(包块水肿、坏死、增强和非增强的肿瘤核)的技术.脑肿瘤及其亚结构MR图像的分割对脑肿瘤的诊断、治疗和评估有着十分重要的作用.随着脑肿瘤发病率的增加,需要进行脑肿瘤分割的MR图像越来越多,但手动操作费时费力,且没有可重复性.因此,对半自动甚至全自动分割脑肿瘤MR图像算法的研究具有十分重要的意义.在这样的背景下,本文从对众多脑肿瘤MR图像分割算法的深入了解出发,重点研究了基于CNN的脑肿瘤MR图像分割方法,并提出了一种结合CRF的改进DCNN方法.本文的核心工作有以下几点:1、系统介绍了一些常见的脑肿瘤MR图像分割算法,包括非学习的基于阈值、边界、... 

【文章来源】：广东工业大学广东省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图1-1两种级别脑肿瘤的四种MR图像

背景和目标图像的方法，它的能量函数由分组成，其中水平集规则项为： Rpdxdy， ( ) 函数，并最终选择 Double-well 势函数，这

提高了 MR 图像中脑肿瘤的分割精度．波变换的分割方法的“小”是相对傅立叶变换而言的，它将傅立叶变数基变成了有限长度的“小波”基，从而有效地避域中时，时间信息的丢失．用于小波分析的“小波aar 小波，Daubechies 小波，Symlet 小波，Biorthogo


本文编号：2933072