基于能量极小化方法的脑影像分割算法研究

发布时间：2018-04-01 01:04

本文选题：医学图像分割　切入点：水平集　出处：《吉林大学》2017年博士论文

【摘要】：现代医学影像技术已经成为临床疾病辅助诊断最重要的手段。医学图像除受到局部体效应、噪声、场偏移效应、组织运动等影响,还会受到不同组织器官之间边缘模糊、灰度不均匀影响。由于存在多维度、多模态、数据量大等诸多挑战,使医学图像处理与分析面临新的困难。脑多发性硬化损伤病灶分布多发,病程多见于缓解和复发,临床病状可遍及全身,严重者会产生失明、记忆力减退等症状,终至瘫痪。有关脑多发性硬化损伤区域的研究和诊断已引起医学界的广泛关注。另外,脑血管疾病也是一种严重威胁人类生命的常见疾病,发病率高,致残率高,死亡率高,已成为危害人类健康的大敌。脑血管分割已经是医学图像分析中相当活跃的研究领域,脑血管分割可以实现斑块,动脉瘤和冠状动脉的异常构造检测等。脑血管的分割和可视化在中风患者的诊断和治疗中起到重要作用,可以帮助自动识别缺血性或出血性中风的根本原因。1.为了研究正常脑组织及病变在灰度不均的核磁共振图像下分割的问题,本文提出一种新的方法将乘性本征因子优化模型(MICO)由单通道扩展至多通道磁共振图像分割,应用于脑多发性硬化损伤分割。首先,为不同通道赋予不同权重来控制对每个通道的影响。然后,结合偏移场估计的内在机理,把T1-w和FLAIR图像作为双通道磁共振输入图像,得到一种高效的迭代算法。在能量最小化的同时,实现偏移场估计和组织分割。该方法可快速收敛于最优解,其显著优势在于不依赖于初始化,可实现鲁棒、完全自动化应用。2.本文应用局部灰度聚类性质的三相位距离正则化水平集模型,对含有灰度不均匀FLAIR图像的多发性硬化损伤区域的分割。可同时分割图像中的多发性硬化损伤区域和正常组织区域及图像背景并进行偏移场估计。为了减少计算量,在三相位模型的基础上,推导出一个二相位水平集模型。该水平集模型能够获得较好的分割精度,同时也使灵活使用初始化轮廓成为可能。3.本文将改进的LBF模型应用于脑血管的核磁图像分割中,首先为了减小分割细小的血管时出现的误差,改进的模型在水平集演化过程中的拟合函数计算中,将光滑化的Heaviside函数的参数∈赋予较小的值,使得零水平集曲线更精准的收敛于目标区域。其次,我们还充分利用MRA图像中血管的局部平均灰度高于背景的局部平均灰度,将拟合函数f1和f2重排顺序,使得f1＜f2。另外,水平集正则项从本质上保留了水平集函数的正则性,确保计算的准确性,并且避免了不断演化的水平集函数大量的重新初始化。由于允许相当灵活的初始化,对实际应用带来很大的方便。4.为了解决缺血性脑中风区域与具有相似灰度的脑室相邻问题,本文提出一种用于CT脑室的客观分割方法。通过正中矢状参考线检测对齐脑图像。然后,使用聚类方法、连通性和域知识来估算脑室的灰度分布,从而得到初始脑室分割结果。为了从初始分割中排查出中风区域,提出由三种不同方案组成的组合分割策略,使分割结果与参考标准之间具有较高的相关系数,保证分割系统达到理想的效果。
[Abstract]:......
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：R741.044;TP391.41

【相似文献】