基于Hough变换定位与遗传算法的脑肿瘤分割方法研究

发布时间：2021-02-08 08:35

　　脑肿瘤是一种发病率和死亡率都较高的疾病,脑组织图像中病变区域的精确分割对后续的诊断与治疗十分关键。随着医学成像技术的进步和计算机水平的发展,计算机辅助诊断技术受到越来越多的关注。利用计算机对医学图像进行辅助分割,可以提高分割结果的精确度和医生的工作效率。本文根据脑肿瘤图像分割存在的问题和肿瘤形状特点,提出了一种基于Hough变换定位与改进遗传算法优化GVF Snake模型的脑肿瘤自动分割方法。主要工作如下:1、根据脑组织核磁共振成像（Magnetic Resonance Imaging,MRI）的特点,和后续脑肿瘤自动定位和分割的需要,采用各向异性滤波、边缘检测和颅骨剥离算法对脑组织MRI进行预处理。该过程可以去除颅骨、头皮、血管等非脑组织部分,提高肿瘤区域的灰度对比度,为后期将肿瘤区域从Hough变化检测出的多个弧形轮廓区域中提取出来奠定基础。2、利用肿瘤具有弧形轮廓的形状特点,采用Hough变换检测圆的方法,将预处理后的脑组织二值图像中具有弧形轮廓的所有区域检测出来,并根据脑肿瘤区域像素灰度值大的特点,利用灰度阈值处理将肿瘤区域从Hough变换检测出的所有弧形区域中提取出来,完成肿... 

【文章来源】：南昌航空大学江西省

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 基于MRI脑肿瘤分割的研究现状
        1.2.2 基于遗传算法的图像分割现状
    1.3 课题的研究内容和组织结构
第2章 参数活动轮廓模型与遗传算法概述
    2.1 参数活动轮廓模型
        2.1.1 Snake模型的基本原理
        2.1.2 Snake模型的算法实现
    2.2 GVFSnake模型
        2.2.1 GVFSnake模型的基本原理
        2.2.2 GVFSnake模型的算法实现
        2.2.3 传统Snake模型和GVFSnake模型的实验结果分析
    2.3 遗传算法
        2.3.1 遗传算法概述
        2.3.2 遗传算法的基本流程
        2.3.3 遗传算法的基本要素
        2.3.4 遗传算法的特点
    2.4 本章小结
第3章 脑组织MRI预处理
    3.1 实验设计
        3.1.1 实验方案
        3.1.2 实验数据平台
    3.2 各向异性滤波
    3.3 边缘检测
    3.4 形态学处理
        3.4.1 腐蚀和膨胀
        3.4.2 基于形态学处理的颅骨剥离算法
    3.5 本章小结
第4章 基于Hough变换定位的脑肿瘤自动粗分割方法
    4.1 实验设计
        4.1.1 实验方案
        4.1.2 实验数据平台
    4.2 脑肿瘤定位
        4.2.1 Hough变换检测
        4.2.2 阈值处理
    4.3 灰度变换增强
    4.4 脑肿瘤分割
    4.5 实验结果与分析
    4.6 本章小结
第5章 基于改进遗传算法的脑肿瘤精确分割方法
    5.1 实验设计
        5.1.1 实验方案
        5.1.2 实验数据平台
    5.2 基于遗传算法的图像分割实现过程
        5.2.1 适应度函数的选定
        5.2.2 初始种群的构造
        5.2.3 遗传操作
        5.2.4 遗传算法的终止
    5.3 图像分割算法评价
    5.4 实验结果与分析
        5.4.1 实验分割结果
        5.4.2 实验结果分析
    5.5 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 研究展望
参考文献
攻读硕士期间发表论文及参加科研情况
致谢


【参考文献】：
期刊论文
[1]MRI在脑膜瘤诊断中的研究[J]. 郭小华.  中国CT和MRI杂志. 2017(10)
[2]GVF Snake模型中一种改进的Canny算法[J]. 王力,徐甜甜.  计算机工程. 2016(10)
[3]基于模糊水平集的脑肿瘤MR图像分割方法[J]. 张腾达,吕晓琪,任晓颖,谷宇,张明.  现代电子技术. 2016(18)
[4]基于形态学梯度的分水岭彩色图像分割[J]. 徐天芝,张贵仓,贾园.  计算机工程与应用. 2016(11)
[5]基于形态学的脑部MRI图像颅骨剥离算法[J]. 王大溪,陈鑫鑫.  计算机技术与发展. 2015(12)
[6]基于遗传算法参数优化的PCNN红外图像分割[J]. 曲仕茹,杨红红.  强激光与粒子束. 2015(05)
[7]基于形态学重建和梯度分层修正的分水岭脑肿瘤分割[J]. 刘岳,王小鹏,王金全,于挥.  计算机应用研究. 2015(08)
[8]基于对称信息和主动轮廓模型的脑肿瘤分割系统[J]. 李丹仪,李卫锋,廖庆敏.  清华大学学报(自然科学版). 2013(07)
[9]基于MRI的脑肿瘤分割技术研究进展[J]. 万俊,聂生东,王远军.  中国医学物理学杂志. 2013(04)
[10]差分进化算法GVF Snake模型在PET图像分割中的应用[J]. 毕晓君,肖婧.  中国图象图形学报. 2011(03)

博士论文
[1]MRI图像的脑肿瘤分割方法研究[D]. 邓万凯.华中科技大学 2011

硕士论文
[1]基于MRI的脑肿瘤图像分割研究[D]. 张朋.浙江理工大学 2017
[2]基于Snake模型的图像分割算法研究[D]. 刘杰.重庆邮电大学 2016
[3]脑肿瘤的计算机辅助检测[D]. 黄若菡.电子科技大学 2016
[4]基于遗传算法的图像分割方法[D]. 李银松.北京交通大学 2014
[5]复杂场景下直线与曲线检测方法研究[D]. 张翌.湖南大学 2014
[6]基于水平集和分水岭的图像分割算法研究[D]. 余敏锋.西安电子科技大学 2014
[7]从核磁共振成像数据中自动分割脑组织[D]. 刘程程.长春工业大学 2012
[8]MR图像脑组织分割算法的研究与实现[D]. 赵玮.电子科技大学 2011
[9]常见Snake模型算法在图像分割应用中的选取研究[D]. 何庆人.中南大学 2009
[10]基于Snake模型的医学图像分割技术[D]. 倪雅樱.南京航空航天大学 2008



本文编号：3023653