CT图像中骨骼与软骨的自动分割算法研究

发布时间：2020-05-26 13:35

【摘要】：医学图像分割是当下热门研究领域,但由于全自动分割方法容易受噪声、场偏移效应等影响,且CT图像中骨骼与软骨、软骨与软组织均有灰度较为接近的问题,这些问题使得临床上对于CT图像中骨骼与软骨的全自动的分割目前无法普及,也导致了全自动分割至今无法完全代替人工参与的半自动分割方法。本文以改进算法实现胸廓软骨与骨骼的自动分割为目标,首先分析了医学图像处理的发展历史和现状,指出了CT图像中骨骼与软骨分割面临的挑战。其次,通过分析人体胸廓骨骼和软骨的分布特征以及常用的降噪、分割、形态学处理、边缘提取等方面的算法,结合医学知识,本文提出一种基于改进的区域生长算法和阈值分割法相结合的方法,用于分割CT图像的骨骼与软骨,并通过实验设计,实现了整套图像的自动分割并对生成的三维数据调用matlab三维可视化工具输出三维模型。本课题基于3套共计582张DICOM3.0切片数据。经验证,本实验改进后的算法除起始阶段几乎没有人工参与,算法的分割效率及准确性比依赖于医师手工分割和半自动系统的交互式分割明显要高(据调查一个有经验的医师手工分割一张CT图像的骨骼和软骨需要8到15s,借助工具交互式分割需要3到5s,而本文所提出的算法平均每0.54s即可分割一张图,且分割准确性更高,算法无需依赖医师的个人经验)。结果表明经本实验改进的算法鲁棒性强,比传统依赖于手工分割和交互式分割方法能更快速有效的实现骨骼与软骨的分离及三维重建,能够为医学手术和实验研究提供科学可靠的数据。
【图文】：

示意图,矫正措施,漏斗胸,示意图

展至今尚有一些不完善的领域。与软骨检测上的应用究胸廓骨骼与软骨自动分割的目的之更好的了解本文的实用价值，我们有必。三维重建在辅助医疗诊断、重建数字通过维重建技术处理得到的三维模型疗工作者从多角度、多层次进行观察和升。下面是三维重建技术在胸廓骨骼家族显性遗传疾病，目前并没有有效婴幼儿时期往往临床表现不明显，随着形、呼吸困难、体弱多病。其最常用的美国 Nuss.D 博士提出的微创手术[2]。

模型图,人类视觉系统,模型

图 2.1 人类视觉系统模型人类视觉系统中图像的形成与信息传输的过程为：1.眼睛的视网膜接收到来自光的刺激而产生图像;2.光能转换成电脉冲;3.视神经把电脉冲传输到视神经交叉、侧外膝状体;4.最后传输到大脑的视觉皮层。2.2.2 DICOM3.0 标准协议19 世纪末期 X 光被发现后，随着计算机技术的兴起，X 光逐渐被应用于各种成像设备中，但早期因为不同厂商生产的医疗仪器之间没有统一的通信协议，且对于图像格式以数据的传输形式具有不同的要求，这对图像资源的传输共享造成了极大障碍，为了能解决以上麻烦，最好的办法就是为医学图像的存储和通信制定一个不同品牌的医疗仪器都能共同遵守的标准协议，因此自 1985 年至 1993 年由美国放射学会和美国国家电器制造商协会联手制定的 DICOM1.0, DICOM2.0 和 DICOM3.0 标准相继诞生。自此医学图像的各种操
【学位授予单位】：西安工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;R816.8

【参考文献】