脑部MRI图像的分割与识别

发布时间：2021-02-26 21:49

　　最近几年,医学成像的发展越来越迅速,目前主要的成像技术有:超声成像（Ultrasound,US）,电子计算机断层扫描（Computed Tomography,CT）,正电子发射型计算机断层显像（Positron Emission Tomography,PET）,磁共振成像（Magnetic Resonance Imaging,MRI）等。由于磁共振成像技术不需要注射放射性同位素,所以它比CT、PET等成像技术更加的安全。随着成像技术的成熟,计算机智能诊断技术也开始发展起来,目前已经提出了大量的医学图像处理算法,可以帮助医生做初期的临床诊断。脑部MRI图像的分割与识别是医学图像处理中必不可少的步骤,所以对脑部MRI图像的分割与识别的研究有重要意义。目前,脑部MRI图像的分割方法主要有两种,一种是传统的聚类技术及其改进方法,它的主要原理是利用不同的距离测度公式将图像中有类似特征的像素划分为同一类别,以此达到分割的目的;另一种方法是目前计算机领域广泛研究的机器学习和深度学习算法。这类算法首先要手动或自动提取图像的某些特征,然后对训练集图像进行多次特征学习得出一定规律后就能分割测试集中的图像。... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

脑部MRI图像分割示意图

吉林大学硕士学位论文2图1.1脑部MRI图像分割示意图除了脑部MRI图像的分割以外另一个重要任务就是脑部MRI图像的识别。阿尔茨海默病，脑胶质瘤，脑中风都是常见的脑部疾病，所以提高这三种脑部疾病的识别准确率有着重要的临床意义。阿尔茨海默病，脑胶质瘤，脑中风的MRI图像示意图如图1.2所示(a)阿尔茨海默病(b)脑胶质瘤(c)脑中风图1.2三种脑部疾病MRI图像示意图如图1.1和图1.2所示，脑部的不同组织以及不同疾病的脑结构都有着十分不同的影像学特征，所以利用分割算法将脑组织图像分割成不同的脑组织有利于医生对特定组织的疾病进行分析和诊断，而利用识别算法将具有明显的影像学特征的脑部疾病识别出来更是具有十分重要的临床意义，能够减少医生的负担。1.2国内外研究现状1.2.1脑部MRI图像分割研究现状通过长时间的研究，国内外的研究学者们提出了大量的图像分割算法，针对不同的图像都有特定的分割算法，至今没有一种分割算法可以完美适用于所有类

吉林大学硕士学位论文10组织包括了大量的水的软组织结构，所以对于脑部成像来说，MRI是最为合适的成像方法，根据氢原子核的密度可以将脑灰质，脑白质，脑脊液三个部分很明显的区分出来。核磁共振技术中最重要的参数就是弛豫（Relaxation）时间,所谓弛豫就是指在原子核发生磁共振现象达到了稳定的高能态之后，从外部施加的射频信号消失开始到恢复到发生磁共振现象之前的磁矩状态的整个过程叫做弛豫，这期间所经历的时间叫做弛豫时间。弛豫时间包括纵向弛豫时间（T1）和横向弛豫时间（T2）两种。T1指的就是纵向能量复原所需要的时间，T2指的就是横向能量消失所需要的时间。哪种弛豫时间决定图像的灰度信息，这个图像就叫做哪种加权图像。在采集图像的过程中，如果想要重点的突出某些组织的某一方面的特性，就要设置回波时间（EchoTime,TE）和重复时间（RepetitionTime,TR）这两个参数。重复时间就是重复的施加两个九十度射频脉冲之间的时间，回波时间就是九十度的射频脉冲发射和信号采样之间的时间。3种不同类型的脑部MRI加权图像如图2.1所示[25]。(a)T1加权图像(b)T2加权图像(c)PD加权图像图2.1三种不同加权图像示意图加权图像的类型与回波时间与重复时间之间的关系如表2.1所示：表2.1加权图像类型与TR和TE之间的关系TR序列TE序列加权图像类型长短质子密度加权（PD）短短T1加权图像长长T2加权图像短的TR序列一般少于500ms，长的TR序列通常等于短的TR序列的三倍，


本文编号：3053223