儿童脑部三维核磁共振图像的分割

发布时间：2020-09-11 16:06

　　 磁共振成像(MRI)作为临床辅助诊断的不可缺少的工具,已经成为医学影像技术中的一种重要成像手段。MRI通过高质量的图像显示为医疗诊断和研究提供了重要的信息,被广泛应用于包括脑部成像的各个领域。目前,包括图像指导手术,治疗结果评估和新的诊断工具都得益于脑部解剖结构的三维模型的建立。而作为所有研究基础的脑部分割算法研究更是具有无可替代的重要性,其目的在于分离脑部图像中的主要组织结构。分割结果的可视化和量化分析有助于对脑部进行功能研究。脑部图像的分割也被更多地应用于皮层表面绘图,脑容量测量,脑部三维建模等领域。目前为止,多数的文献报道都致力于成人脑部分割算法的研究,而适合儿童脑部分割的算法却较少提及。 针对这一问题,本文研究了一种半自动的适用于儿童T1三维脑部核磁共振图像(3D-MRI)的分割方法。本方法基于直方图分析和数学形态学操作,并通过大量的实验得到许多适用于儿童脑部的参数。整个分割过程包括四个主要部分:首先从头部MRI图像中去除非脑组织,得到整个脑模板;再分别从脑模板中分割提取脑干和小脑;最后分离左右两个脑半球。实验在对于30幅5至15岁的儿童脑部图像分割中获得了较好的分割结果。
【学位单位】：第四军医大学
【学位级别】：硕士
【学位年份】：2009
【中图分类】：TP391.41;R445.2
【部分图文】：

第四军医大学硕士学位论文间内的灰度值，也就是我们实际的图像文件。2 儿童脑部的解剖结构和 MRI 图像分类2.1 儿童脑部的解剖结构我们的目标是对儿童大脑进行功能结构分割，大体上，人的脑部可以分为三大部分：

横跨在中脑和延髓之间。它由胚胎早期的菱脑分化而来，是脑中仅次于大脑的第二大结构。小脑的功能主要是调整肌紧张，维持身体平衡并且控制肌肉的张力和协调。大脑（cerebrum）：脑干之上连接着上脑，也称为大脑，是人脑中的最大部分。大脑分为左右两个脑半球，两脑半球由底部的胼胝体相连。半球表面凹凸不平，布满深浅不同的沟和裂，沟裂之间的隆起称为脑回。覆盖在大脑半球表面的一层灰质称为大脑皮层，是神经元胞体集中的地方；皮层的深层部分为白质，称为髓质。2.2 MRI 图像分类和儿童脑部 MRI 图像特点磁共振图像通过非介入测量为我们提供了脑内部结构的三维描述，常见的 MRI 图像有三种：

第四军医大学硕士学位论文T2 序列图像：应用自旋回波序列成像，受磁场的非均匀性影响较少。T2 序列图像对病变组织反应敏感。在 T2 图像中，水和液体组织呈现较高的灰度级，脂肪组织显示出较低的灰度级。FLAIR 图像：液体衰减反转恢复图像（fluid attenuated inversionrecovery）抑制脑脊液等液体信号增强对病变组织的显示对比度，在显示脑皮层下和脑室旁的病变方面更有优势。

【共引文献】

相关期刊论文 前10条

1 程一斌,汪松,任彬;利用弹簧模型提取物体轮廓[J];安徽大学学报(自然科学版);2001年02期

2 张坤,罗立民,舒华忠,杨芳;基于Level Set方法的Visible Human Being虚拟人图像处理[J];安徽大学学报(自然科学版);2005年04期

3 张雪飞;;基于GVF模型的蔬果图像快速分割方法[J];安徽农业科学;2010年05期

4 赵莹;张学东;;改进水平集的车辆检测算法[J];辽宁科技大学学报;2010年05期

5 张鹤;董彦麟;;一种改进的变分水平集车辆检测技术[J];辽宁科技大学学报;2011年03期

6 李燕;罗四维;邹琪;;带评价系统的曲率相关有向主动轮廓模型[J];北京交通大学学报;2010年02期

7 易鑫;李雷;;基于数学形态学的snake模型图像分割[J];兵工自动化;2007年09期

8 王孝通,赵晶,金良安;视频序列中目标定位跟踪的一种新方法[J];兵工学报;2005年05期

9 胡永利,尹宝才;基于线性组合模型的人脸特征检测方法[J];北京工业大学学报;2005年05期

10 李旭东,宗光华,毕树生,赵玮;生物工程微操作机器人视觉系统的研究[J];北京航空航天大学学报;2002年03期

相关会议论文 前10条

1 谭守标;霍剑青;郝建;王晓蒲;赵永飞;谢行恕;;高分辨率软X射线显微成像下细胞的自动提取?[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

2 ;A Hardware-Accelerated Segmentation Algorithm for Moving Object Generation[A];第二十七届中国控制会议论文集[C];2008年

3 周佳男;;一种拓扑纹理图像的相位场模型分割算法[A];第二十七届中国控制会议论文集[C];2008年

4 ;Edge Detection of Wood Defects in X-ray Wood Image Using Neural Network and Mathematical Morphology[A];第二十九届中国控制会议论文集[C];2010年

5 邱雪娜;刘士荣;刘斐;朱伟涛;杜方芳;;一种基于序贯检测机制的运动目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年

6 赵建;刘伟宁;;基于主动轮廓模型的海天线检测算法[A];第九届全国信息获取与处理学术会议论文集Ⅰ[C];2011年

7 刘勋;孟骧龙;毋立芳;;基于自适应对象模型的篮球运动跟踪方法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

8 胡彦婷;木拉提·哈米提;陈建军;孔德伟;孙静;姬金虎;;Bayesian分类算法和活动轮廓模型在肝包虫CT图像分割中的应用[A];自主创新与持续增长第十一届中国科协年会论文集（3）[C];2009年

9 谢琛;;基于ASM的人脸特征点定位浅析[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

10 黄建军;唐亮;谢维信;谢兴灿;;基于对称边缘方向直方图自动提取主要道路[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年

相关博士学位论文 前10条

1 王兴梅;水下声纳图像的MRF目标检测与水平集的轮廓提取方法研究[D];哈尔滨工程大学;2010年

2 韩守东;纹理建模与图切分优化方法研究[D];华中科技大学;2010年

3 莫X;基于隐式函数的曲面重构方法及其应用[D];华中科技大学;2010年

4 涂虬;智能视觉监视中目标检测与跟踪算法研究[D];华中科技大学;2010年

5 徐萧萧;基于特征学习与特征联想的视觉跟踪算法研究[D];中国科学技术大学;2010年

6 王义文;钢球表面缺陷检测关键技术研究及样机研制[D];哈尔滨理工大学;2010年

7 辛哲奎;基于视觉的小型无人直升机地面目标跟踪技术研究[D];南开大学;2010年

8 钟凡;在线视频分割关键问题研究[D];浙江大学;2010年

9 任明艺;时空联合的视频运动目标分割技术研究[D];电子科技大学;2010年

10 孔丁科;几何活动轮廓图像分割模型的研究[D];浙江大学;2010年

相关硕士学位论文 前10条

1 孙涛;基于DR骨密度分析系统的研究[D];南京医科大学;2010年

2 赵永刚;图像检索中形状描述和匹配算法研究[D];南昌航空大学;2010年

3 胡申宁;中医舌诊中舌色、苔色自动分类的研究[D];浙江理工大学;2010年

4 李光;基于均值偏移的视频目标跟踪、检测算法研究及系统实现[D];浙江理工大学;2010年

5 陈欣欣;基于CT图像的血管分割[D];郑州大学;2010年

6 孙宏伟;基于链码的视觉轨线跟踪[D];哈尔滨工程大学;2010年

7 马玲;拓扑约束法在序列图像高密度细胞追踪中的应用[D];哈尔滨工程大学;2010年

8 许东滨;基于水平集和局部灰度阈值的神经干细胞序列图像的分割算法[D];哈尔滨工程大学;2010年

9 王炎庆;基于卡尔曼滤波器的神经元干细胞序列图像中活跃细胞的追踪[D];哈尔滨工程大学;2010年

10 张晶明;基于达芬奇技术的水声图像处理研究[D];哈尔滨工程大学;2010年

本文编号：2816876