基于活动轮廓模型的甲状腺结节分割方法研究

发布时间：2017-07-08 16:12

  本文关键词：基于活动轮廓模型的甲状腺结节分割方法研究

  更多相关文章： 图像分割 活动轮廓模型 DRLSE模型 CV模型 边界停止函数

【摘要】：甲状腺结节是内分泌系统的常见多发病,其中恶性结节预示着甲状腺癌的出现。然而,甲状腺癌死亡率约占所有肿瘤死亡的0.2%,表明大多数甲状腺癌是可以治愈的。超声检查是目前普查和诊断甲状腺疾病最常用的方法,对于甲状腺癌的及早发现和治疗,并提高治愈率具有十分重大意义。为了解决医生阅片耗时且易造成误检漏检等问题,基于超声检查的计算机辅助诊断技术在临床上被广泛应用。本文主要针对甲状腺超声图像进行分割,以提高分割准确性和效率为目标。本文对几何活动轮廓模型进行研究,由于其基于曲线演化理论和水平集方法,采用隐式表达形式克服了参数化表达方式,且曲线演化过程是基于曲线自身的几何特征。其中,DRLSE模型采用变分水平集方法,距离正则项的加入避免了曲线演化过程的重新初始化问题,从而加快了曲线演化速度。而在CV模型中,图像被划分为两个区域,用平均灰度来区分目标和背景,当两区域平均灰度差最大时即完成分割任务。因此,CV模型是一种全局最优分割方法。首先,以基于边缘信息的DRLSE模型作为研究对象,针对DRLSE模型无法准确分割边缘模糊的甲状腺超声图像这一问题,本文提出改进边界停止函数的DRLSE分割模型。分析可知边界停止函数在曲线演化过程中起着关键作用,因此将图像全局信息引入到边界停止函数中,得到一个梯度和全局信息相结合的分割模型。仿真实验结果表明改进后的DRLSE模型不仅降低了初始位置的敏感性,且增强了对边缘模糊的甲状腺超声图像的边界检测定位能力。其次,以基于全局信息的CV模型作为研究对象,针对CV模型无法分割灰度分布不均匀的甲状腺超声图像这一问题,本文提出结合局部信息改进的CV分割模型。先利用局部拟合信息构造一种新的速度函数,由于核窗口的可控性可以使某像元严格依赖其近邻域像素灰度,极好地克服了灰度分布不均问题;然后将速度函数引入到CV模型的保真项中,避免了权重分配问题。仿真实验结果表明改进后的CV模型可以准确分割出灰度分布不均匀的甲状腺结节超声图像。最后,两改进模型进行对比,仿真实验结果表明改进后的CV模型的分割更好。不仅具有全局分割能力,而且可以提取结节内部钙化斑。同时,在分割精度和分割效率上也优于改进的DRLSE模型。
【关键词】：图像分割 活动轮廓模型 DRLSE模型 CV模型 边界停止函数
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R581;TP391.41
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-23
• 1.1 课题背景及研究意义11-12
• 1.2 课题研究现状12-21
• 1.2.1 超声成像原理及甲状腺结节超声图像特点12-16
• 1.2.2 分割方法概述16-19
• 1.2.3 活动轮廓模型分割方法研究现状19-21
• 1.3 论文的主要工作和组织结构21-23
• 第2章 活动轮廓模型及其相关理论介绍23-30
• 2.1 参数活动轮廓模型23-24
• 2.2 曲线演化理论24-26
• 2.3 水平集方法介绍26-29
• 2.3.1 传统的水平集方法26-27
• 2.3.2 变分水平集方法27-29
• 2.4 本章小结29-30
• 第3章 几何活动轮廓模型30-38
• 3.1 DRLSE模型30-34
• 3.2 CV模型34-36
• 3.3 本章小结36-38
• 第4章 基于活动轮廓模型的甲状腺结节分割38-55
• 4.1 改进边界停止函数的DRLSE分割模型38-46
• 4.1.1 边界停止函数的分析及改进38-41
• 4.1.2 DRLSE-IESF模型的水平集表达41-42
• 4.1.3 实验结果及分析42-46
• 4.2 结合局部信息改进的CV分割模型46-52
• 4.2.1 基于局部信息速度函数的构造46-48
• 4.2.2 CV-CLI模型的水平集表达48-49
• 4.2.3 实验结果及分析49-52
• 4.3 改进模型对比及分析52-54
• 4.4 本章小结54-55
• 第5章 总结与展望55-57
• 5.1 工作总结55-56
• 5.2 工作展望56-57
• 参考文献57-60
• 致谢60-61
• 攻读硕士学位期间取得的科研成果61

【相似文献】

中国期刊全文数据库 前10条

1 何爱军,汪天富,郑昌琼,郑翊,李德玉,赵树魁;基于活动轮廓模型的超声心脏图像轮廓的自动检测[J];生物医学工程学杂志;2001年02期

2 王敏尤;秦斌杰;;基于图像块匹配和测地线活动轮廓模型的肿瘤自动检测算法[J];中国生物医学工程学报;2007年06期

3 孙丰荣;李艳玲;曲怀敬;刘泽;张梅;;基于活动轮廓模型和边缘对比度特征量的血管内超声图像边缘提取[J];中国生物医学工程学报;2006年04期

4 田飞;杨丰;刘国庆;;一种适用于血管图像分割的活动轮廓模型[J];生物医学工程学杂志;2010年05期

5 杨柳;汪天富;林江莉;李德玉;;基于平均曲率流活动轮廓模型的超声医学图像边缘提取[J];航天医学与医学工程;2007年03期

6 聂敏;高满屯;;基于活动轮廓模型的B超乳腺肿瘤图像分割[J];北京生物医学工程;2008年05期

7 苗凤君;B超医学图像分割技术的研究[J];中原工学院学报;2004年02期

8 许燕,樊瑜波,于晓军;体表损伤图像的分割[J];四川大学学报(工程科学版);2005年05期

9 程兆宁;宋志坚;;RSF模型的优化及其在MRI脑肿瘤分割中的应用[J];生物医学工程学杂志;2013年02期

10 ;[J];;年期

中国重要会议论文全文数据库 前4条

1 刘丹;赖志茂;;于活动轮廓模型的边界快速提取算法[A];教育部中南地区高等学校电子电气基础课教学研究会第二十届学术年会会议论文集（下册）[C];2010年

2 主海文;高松;刁越;刘有军;;基于改进活动轮廓模型的血管断层图像分割[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

3 王国栋;潘振宽;赵希梅;刘存良;王钰;;基于图像分解和活动轮廓模型的纹理分割[A];第十五届全国图象图形学学术会议论文集[C];2010年

4 方林;于海洋;李立超;邹娇;;基于光照不均匀的车辆提取与恢复模型[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

中国博士学位论文全文数据库 前10条

1 侍佼;模糊活动轮廓模型在图像分割与变化检测中的应用[D];西安电子科技大学;2015年

2 付斌;基于活动轮廓模型的目标分割与跟踪的研究[D];哈尔滨工程大学;2006年

3 薛维琴;基于管状约束活动轮廓模型的血管分割方法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2013年

4 陈侃;基于活动轮廓模型的肺结节分割方法研究[D];华南理工大学;2013年

5 崔华;基于活动轮廓模型的图像分割方法研究[D];东北大学;2009年

6 高向军;活动轮廓模型及其在虚拟内窥镜中的应用研究[D];华南理工大学;2008年

7 朱国普;基于活动轮廓模型的图像分割[D];哈尔滨工业大学;2007年

8 方玲玲;图像分割的活动轮廓模型研究[D];苏州大学;2013年

9 刘国奇;活动轮廓模型中向量场基本理论及发展[D];华南理工大学;2013年

10 郑罡;基于活动轮廓模型的人脑MRI结构像多层次分割方法研究[D];南京航空航天大学;2007年

中国硕士学位论文全文数据库 前10条

1 官俊;活动轮廓模型在林木图像分割中的应用研究[D];东北林业大学;2015年

2 苗宗霞;基于活动轮廓模型的医学图像分割方法研究[D];西南大学;2015年

3 钟景茹;颅内动脉瘤介入治疗支架植入图像仿真优化计算方法研究[D];首都医科大学;2016年

4 卜祥东;颅脑损伤病灶区分割研究[D];安徽大学;2016年

5 戚世乐;活动轮廓模型的改进与基于Sobolev梯度的优化[D];福州大学;2014年

6 万志勤;结合灰度与差分信息的混合活动轮廓模型[D];南昌航空大学;2016年

7 楚莹莹;基于区域信息活动轮廓模型的核磁共振图像分割研究[D];南京信息工程大学;2016年

8 林喜兰;图像分割算法研究及其应用[D];江南大学;2016年

9 王丹;三维心脏MRI辅助诊断系统关键技术的研究[D];四川师范大学;2016年

10 张晶;基于活动轮廓模型的甲状腺结节分割方法研究[D];河北大学;2016年

，

本文编号：535300