基于3D堆叠直线和多步回归的局部脑血管精准分割算法研究
发布时间：2021-11-10 19:30
随着人们生活水平的发展,心脑血管疾病已严重地威胁着人类的身体健康。脑血管分割也已成为当今医学影像后续处理领域的热门问题。但由于脑血管解剖结构的复杂性、脑部不同区域灰度和对比度的不统一和病态结构的多变性等问题,使得脑血管的精准分割成为了一个尤为困难的问题。现有的大多数脑血管分割算法存在不能处理脑部医学影像中灰度和对比度不统一的问题,因而造成分割结果普遍存在脑血管的断裂和噪声点等现象。我们利用脑血管的上下文约束和形状约束来避免噪声点的影响,修补对比度较低的血管断裂段。本文先基于3D堆叠直线,利用多步回归对脑血管进行线性形状约束,获得脑血管的粗分割,进一步使用MAP-MRF框架对脑血管的粗分割结果进行上下文约束,从而获得脑血管的精准分割。本文的主要贡献包括:（1）基于多步回归的3D直线掩膜构造。该方法将3D直线的检测分为两次2D直线的检测,每次通过线性回归获得3D直线的参数,并利用这些参数和DDA算法及数学形态学生成有宽度和厚度的3D直线掩膜,最终在此基础上实现脑血管的粗分割以降低医学影像的噪声对分割精度的影响。（2）基于MAP-MRF框架的脑血管精准分割。首先利用粗分割结果初始化标签场,然...
【文章来源】：四川师范大学四川省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
DDA画（0，0）到（5,2）直线段DDA算法步骤如下：表2.1DDA算法
四川师范大学硕士学位论文12从公式（2.7）可以看出想要确定拟合的直线，只需确定参数b和a。从数学知识看，将MSE看作一个函数，函数的最小值在极小值处获得，通过求偏导数，从而得到：22-()iiiiinininiiininnxyxybnxx=（2.8）222-()iiiiiininininiiininxyxxyanxx=（2.9）图2.4最小二乘法均方误差2.3k-means聚类k-means聚类[54]是一种用于数据分析的无监督学习方法，将具有某些相同属性的元素划分到同一个簇中，从而实现分类。k-means聚类的原理就是先随机确定k个质心，然后计算每个点到k个质心的距离，将其划分到距离最近的那个中心点所在的簇中；再者计算并更新质心，直到质心收敛或迭代次数达到最大迭代次数，停止更新质心并结束聚类。k-means聚类以最小化距离函数为目标，将n个样本121(,,,,)nnXxxxx分配
2相关理论基础15（c）三阶NBS（d）四阶NBS图2.5m×n图像上(i,j)像素点的1-4阶NBS图2.6m×n图像图2.7m×n图像上(i,j)像素点的不同阶NBS2.4.2.2基团（Clique）如果一个子集CS且集合C中邻近的不同像素点都具有对称性，那么集合C就是一个基团。一个基团含有n个像素点，那么该基团称作n阶基团，可表示为Cn。一张图像中的基团集合可表示为：12k-1kC=CCCC（2.15）基团的大孝形状与方向决定了基团的种类[58]。图2.8与图2.9给出了一阶邻域系统与二阶邻域系统及其相应的基团。从图2.8中，可以看出一阶NBS中的基团有3个：一个单点基团（也叫一阶基团）和两个二阶基团（水平方向和垂直方
【参考文献】：
期刊论文
[1]线性回归参数的总体最小二乘估计算法研究[J]. 杨根新,于庆锋. 地理空间信息. 2020(01)
[2]基于Matlab的最小二乘曲线拟合[J]. 刘利敏,吴敏丽. 福建电脑. 2019(08)
[3]基于自适应聚类中心的脑血管分割方法[J]. 王喆,赵世凤,田沄,王学松,周明全. 郑州大学学报(工学版). 2019(01)
[4]高斯马尔可夫随机场的人脑MR图像分割方法[J]. 标本,梁恺彬,管一弘. 计算机技术与发展. 2017(07)
[5]基于多模态卷积神经网络的脑血管提取方法研究[J]. 秦志光,陈浩,丁熠,蓝天,陈圆,沈广宇. 电子科技大学学报. 2016(04)
[6]线性回归总体最小二乘平差模型及解算[J]. 汪奇生,杨德宏,杨腾飞. 大地测量与地球动力学. 2015(01)
[7]基于高斯-马尔科夫随机场模型的脑血管分割算法研究[J]. 曹容菲,张美霞,王醒策,武仲科,周明全,田沄,刘新宇. 电子与信息学报. 2014(09)
[8]基于Hessian矩阵特征值聚类的脑血管分割方法[J]. 曹容菲,王醒策,武仲科,周明全,田沄,刘新宇. 系统仿真学报. 2014(09)
[9]基于多阈值Otsu和海森矩阵的脑血管提取[J]. 蒋先刚,丘赟立. 计算机工程与设计. 2014(05)
[10]总体最小二乘线性回归统一模型及解算[J]. 汪奇生,杨德宏,杨腾飞. 工程勘察. 2014(04)
硕士论文
[1]基于新3D直线定义的MRI脑血管分割算法研究[D]. 张静.四川师范大学 2016
[2]线性回归模型的总体最小二乘平差算法及其应用研究[D]. 汪奇生.昆明理工大学 2014
本文编号：3487817
【文章来源】：四川师范大学四川省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
DDA画（0，0）到（5,2）直线段DDA算法步骤如下：表2.1DDA算法
四川师范大学硕士学位论文12从公式（2.7）可以看出想要确定拟合的直线，只需确定参数b和a。从数学知识看，将MSE看作一个函数，函数的最小值在极小值处获得，通过求偏导数，从而得到：22-()iiiiinininiiininnxyxybnxx=（2.8）222-()iiiiiininininiiininxyxxyanxx=（2.9）图2.4最小二乘法均方误差2.3k-means聚类k-means聚类[54]是一种用于数据分析的无监督学习方法，将具有某些相同属性的元素划分到同一个簇中，从而实现分类。k-means聚类的原理就是先随机确定k个质心，然后计算每个点到k个质心的距离，将其划分到距离最近的那个中心点所在的簇中；再者计算并更新质心，直到质心收敛或迭代次数达到最大迭代次数，停止更新质心并结束聚类。k-means聚类以最小化距离函数为目标，将n个样本121(,,,,)nnXxxxx分配
2相关理论基础15（c）三阶NBS（d）四阶NBS图2.5m×n图像上(i,j)像素点的1-4阶NBS图2.6m×n图像图2.7m×n图像上(i,j)像素点的不同阶NBS2.4.2.2基团（Clique）如果一个子集CS且集合C中邻近的不同像素点都具有对称性，那么集合C就是一个基团。一个基团含有n个像素点，那么该基团称作n阶基团，可表示为Cn。一张图像中的基团集合可表示为：12k-1kC=CCCC（2.15）基团的大孝形状与方向决定了基团的种类[58]。图2.8与图2.9给出了一阶邻域系统与二阶邻域系统及其相应的基团。从图2.8中，可以看出一阶NBS中的基团有3个：一个单点基团（也叫一阶基团）和两个二阶基团（水平方向和垂直方
【参考文献】：
期刊论文
[1]线性回归参数的总体最小二乘估计算法研究[J]. 杨根新,于庆锋. 地理空间信息. 2020(01)
[2]基于Matlab的最小二乘曲线拟合[J]. 刘利敏,吴敏丽. 福建电脑. 2019(08)
[3]基于自适应聚类中心的脑血管分割方法[J]. 王喆,赵世凤,田沄,王学松,周明全. 郑州大学学报(工学版). 2019(01)
[4]高斯马尔可夫随机场的人脑MR图像分割方法[J]. 标本,梁恺彬,管一弘. 计算机技术与发展. 2017(07)
[5]基于多模态卷积神经网络的脑血管提取方法研究[J]. 秦志光,陈浩,丁熠,蓝天,陈圆,沈广宇. 电子科技大学学报. 2016(04)
[6]线性回归总体最小二乘平差模型及解算[J]. 汪奇生,杨德宏,杨腾飞. 大地测量与地球动力学. 2015(01)
[7]基于高斯-马尔科夫随机场模型的脑血管分割算法研究[J]. 曹容菲,张美霞,王醒策,武仲科,周明全,田沄,刘新宇. 电子与信息学报. 2014(09)
[8]基于Hessian矩阵特征值聚类的脑血管分割方法[J]. 曹容菲,王醒策,武仲科,周明全,田沄,刘新宇. 系统仿真学报. 2014(09)
[9]基于多阈值Otsu和海森矩阵的脑血管提取[J]. 蒋先刚,丘赟立. 计算机工程与设计. 2014(05)
[10]总体最小二乘线性回归统一模型及解算[J]. 汪奇生,杨德宏,杨腾飞. 工程勘察. 2014(04)
硕士论文
[1]基于新3D直线定义的MRI脑血管分割算法研究[D]. 张静.四川师范大学 2016
[2]线性回归模型的总体最小二乘平差算法及其应用研究[D]. 汪奇生.昆明理工大学 2014
本文编号：3487817
本文链接：https://www.wllwen.com/yixuelunwen/shenjingyixue/3487817.html
最近更新
教材专著
