基于稀疏贝叶斯模型和多图谱融合的MRI脑肿瘤分割的研究

发布时间：2021-01-19 00:11

　　近年来医学图像处理技术发展迅速,脑部图像的处理是其中非常重要的组成部分。图像处理中的图像分割是把需要的感兴趣区域进行分割提取,这一步骤非常重要为后来的手术方案制定等后续不中提供了重要的参考价值。核磁图像是脑肿瘤诊断重要手段,通过对带有脑肿瘤的核磁图像的处理可以给临床提供重要的参考价值。基于核磁图像的脑肿瘤的分割的研究已经成为了一个越来越热门的话题。本文主要针对核磁图像中的脑肿瘤进行分割,使用的是基于稀疏贝叶斯模型的方法和多图谱融合相结合的方法,不仅实现了把脑肿瘤区域分割出来,还对肿瘤的不同子区域进行了分割。所做的主要工作如下所示:（1）相关文献调研和分析。调研了国内外与脑肿瘤分割相关的文献。分析了国内外专家在医学图像分割领域的研究现状和未来的发展趋势。（2）对图像分割的相关理论进行介绍。系统的介绍了稀疏贝叶斯模型和马尔科夫场模型。（3）阐述稀疏贝叶斯模型在脑部核磁共振图像上面实现自动化的对脑中肿瘤的分割,及使用多图谱融合方式把不同模态分割结果进行融合。第一部分主要集中在分割算法上面,结合马尔科夫随机场及吉布斯随机场使用稀疏贝叶斯理论实现在核磁成像的四个模态图像上的脑肿瘤的分割。第二部分... 

【文章来源】：山东师范大学山东省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

带有神经胶质瘤核磁图像

图 1-2 同一病例不同专家的手动分割结果[18]分割方法人工方法需要以人介入的方式部分参与分割过程才能完成最始化算、检查分割结果准确性、甚至纠正分割结果。此类方分割效果的情况下，尽可能的减少用户输入。一个半自动的交互部分及用户界面三部分组成。用户根据展现的视觉信息果。过程中的人和软件的交互方式，可把半自动方法大致分为三馈响应及评价。现存的一些方法包括其中的一种或几种方式二个需要持续或间断地指导整个过程以达到预期结果；最后否达到能接受的效果。分割过程中涉及到用户策略的选择和

图 1-3 基于区域增长的半自动分割方式[19]分割方法方式不需要人工交互参与，分割结果完全由计算机决定合人类经验和一定的先验知识，经常使用的是柔性的计如，模糊均值，可变模型等都是属于柔性的计算技术。分割技术的研究是机器学习和模式识别领域的一个重要易解决的分割问题，实现自动化却存在非常大的挑战。觉处理模式，甚至是需要结合一些特定的相关知识，将极其困难的。割上人类比机器的优势却不是非常明显。从脑解剖特性，预测的，大脑在结构上的量化是良好的，不同组织在不


本文编号：2985937