颅脑损伤病灶区分割研究

发布时间：2017-08-05 12:09

  本文关键词：颅脑损伤病灶区分割研究

  更多相关文章： 医学图像 图像分割 活动轮廓模型 CV模型 模糊聚类 颅脑损伤

【摘要】：数字图像分割是一切处理图像的基础,对正确的图像处理具有重要的意义。在医学图像分割中,活动轮廓模型一直备受学者的关注,其数学理论严谨,利用轮廓曲线动态演化的思想解决其它分割算法无法解决的问题,充分体现出其在图像分割领域优越性。本文主要研究分割提取颅脑损伤病灶区的算法,根据活动轮廓模型的优缺点提出一些改进和创新,从而能够实现快速、精确的获得颅脑损伤病灶区域。本文具体研究工作安排如下：(1)针对基于全局区域的活动轮廓模型能够分割弱边界图像,但对灰度非均匀的图像分割是不稳定的；而基于局部区域的活动轮廓模型能够很好的分割灰度值非均匀的图像,但其分割效率并不高。本文提出整合待分割图像的全局、局部区域信息作为算法的能量函数,对灰度非均匀的图像进行分割。为了控制全局、局部区域在能量函数中所占的权重,进一步提高图像分割速度,本文引入基于自适应权重函数用于控制能量函数中的全局及局部项所占的比例,从而能够减少能量函数计算复杂度,本文称该方法为基于自适应权重混合活动轮廓模型。通过实验可以看出该算法能够快速、准确的提取出含有的病灶区域,但该算法对初始化轮廓位置要求交为严格。(2)由于基于自适应权重混合活动轮廓模型需要人工给出初始化目标轮廓区域的位置,且对初始化目标区域要求较为严格。为了解决初始化轮廓区域位置问题,本文提出基于模糊自适应权重混合活动轮廓模型对颅脑损伤图像病灶区进行分割提取。首先使用聚类算法对医学图像进行初聚类分割,然后将初始聚类分割结果作为自适应权重混合活动轮廓模型的初始目标轮廓区域。实验表明,使用该方法不仅能够提高病灶区的分割速度,而且能够提高病灶区分割精度。
【关键词】：医学图像 图像分割 活动轮廓模型 CV模型 模糊聚类 颅脑损伤
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R651.15;TP391.41
【目录】：

• 摘要3-4
• Abstract4-11
• 第一章 绪论11-16
• 1.1 课题背景和研究意义11-12
• 1.2 国内外研究现状12-14
• 1.3 本文研究工作14-15
• 1.4 本文的内容安排15-16
• 第二章 活动轮廓模型及其相关的数学知识16-26
• 2.1 参数活动轮廓模型16-17
• 2.2 几何活动轮廓模型17-24
• 2.2.1 CV模型相关知识18-22
• 2.2.2 耦合曲线演化模型相关知识22-24
• 2.3 水平集方法基本理论24-25
• 2.4 本章小结25-26
• 第三章 基于自适应权重混合活动轮廓模型的颅脑损伤病灶区提取26-41
• 3.1 引言26-27
• 3.2 基于自适应权重混合区域活动轮廓模型图像分割27-33
• 3.2.1 基于自适应权重混合轮廓活动轮廓模型全局能量函数项28
• 3.2.2 基于自适应权重混合轮廓活动轮廓模型局部能量函数项28-30
• 3.2.3 混合活动轮廓模型的自适应参数w(x)30-31
• 3.2.4 基于自适应权重混合轮廓活动轮廓模型能量函数31-33
• 3.3 实验结果与分析33-40
• 3.4 本章总结40-41
• 第四章 基于模糊自适应权重混合模型颅脑损伤病灶区提取41-54
• 4.1 模糊C聚类模型理论及改进41-47
• 4.1.1 模糊C聚类算法的思想与步骤41-44
• 4.1.2 模糊C聚类算法的改进44-46
• 4.1.3 基于灰度直方图FCM算法实验分析46-47
• 4.2 基于模糊自适应权重混合活动轮廓模型47-48
• 4.3 实验结果与分析48-52
• 4.3.1 定性的分析49-51
• 4.3.2 定量分析51-52
• 4.4 本章小结52-54
• 第五章 总结与展望54-56
• 5.1 总结54-55
• 5.2 展望55-56
• 致谢56-57
• 参考文献57-62
• 硕士期间发表论文62-63
• 硕士期间科研活动63

【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 钟辉强;活动轮廓模型外部能量项的研究[D];华南理工大学;2015年

2 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

3 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

4 周飞飞;基于活动轮廓模型的图像分割方法[D];南昌航空大学;2015年

5 曹建伐;颅内血管分割算法研究[D];浙江工业大学;2015年

6 范兆龙;基于活动轮廓模型分割方法研究[D];南昌航空大学;2015年

7 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

8 卜祥东;颅脑损伤病灶区分割研究[D];安徽大学;2016年

9 王蓉;活动轮廓模型及在人脸部轮廓检测中的应用[D];太原科技大学;2008年

10 丁炜;基于活动轮廓模型的图像特征提取方法研究[D];广东工业大学;2004年

，

本文编号：624808