基于多图谱配准与随机森林的micro-CT图像肾脏分割方法研究

发布时间：2020-08-04 10:30

【摘要】：医学影像在临床诊疗中的应用日益广泛,而医学图像分割为医生提供了更直观有效的解剖结构展示,极大地提高了诊疗效率。但医学图像往往具有灰度不均匀、边界模糊和个体差异大等特点,特别是其中的软组织器官,这给分割带来了极大的挑战。本文广泛调研和分析了国内外的研究现状,提出了一种基于多图谱配准与随机森林的分割方法,旨在高效地获得软组织器官的清晰边界。这是一个结合了多图谱技术与监督学习的医学图像分割框架。首先基于多个图谱的刚性配准结果获得了目标器官的初步分割即概率图;然后充分利用图谱信息,设计了以显著提高分割效率为目标的特征提取和分类器训练方案,并使用了随机森林分类器在概率图的基础上完成精细分割;最后整合了概率图和分类结果以生成最终的分割结果。本文将上述方法应用到基于mirco-CT图像的肾脏分割中,全面分析了不同参数对其性能的影响。实验显示,本文方法在两个不同数据集上分别取得了0.9766和0.9255的Dice系数,1.25mm和0.98mm的平均表面距离,其分割精度具有明显优势。此外,与相关方法相比,该方法具有较高的分割效率。结果证明,本文方法有效地整合了多图谱配准和随机森林,由粗到精的分割策略使其对图谱数量和配准精度的要求大大降低;而图谱信息的充分利用使其变得高效。总而言之,该方法能够精确而高效地实现医学图像中的软组织器官分割,有较大的临床应用潜力。
【学位授予单位】：西北大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;R816.7
【图文】：

图 2 多个图谱的高对比度器官配准结果令oH 表示目标图像的高对比度器官，将iH 配准到 后获得变换矩阵iT ，使射kidneyiX 到 所在的形状空间来生成kidneyiX ，类似地， 是表示映射后的三维点集。接着一个与iX 大小相同的三维矩阵iM 被创建，其中 所表示的位置值为 1，其他位置值为 0，例如 是一个10 10 10的矩阵1,1,1; 2,3,4kidneyi =，则 中除(1 ,1,1)和( 2,3,4)处值为 1 外，其余位置值都为述过程遍历所有图谱后，集合 1, ,akidney kidneyN = X X 和 1, ,aN = M M，其中aN 是图谱的数量，即训练图像的数量。目标图像肾脏的统计概率图 M 由算1aNM M=

MAR-RF 在基于 micro-CT 图像的肾脏分割中的应用，个重要参数的依赖，讨论某些实验设置可能给其性能带验证该方法的优势。实验环境描述数据采集自 micro-CT 成像系统(如图 7 所示意)，该系面阵探测器和旋转实验台等组成，其利用了生物体的不同这一性质。具体地，在成像过程中，通过精确控制实 度全方位的穿过目标，由面阵探测器接收透过生物体入到计算机中，最后经计算机采用 FDK 等算法进行三息。

不同特征组合下MAR-RF的分割结果

【参考文献】

相关期刊论文 前6条

1 江贵平;秦文健;周寿军;王昌淼;;医学图像分割及其发展现状[J];计算机学报;2015年06期

2 师文;朱学芳;朱光;;基于形态学的MRI图像自适应边缘检测算法[J];仪器仪表学报;2013年02期

3 刘松涛;殷福亮;;基于图割的图像分割方法及其新进展[J];自动化学报;2012年06期

4 李楠;张为;;医学图像分割技术综述[J];阴山学刊(自然科学版);2007年01期

5 陈强,周则明,王平安,夏德深;带标记线左心室MR图像的自动分割[J];中国图象图形学报;2004年06期

6 林瑶;田捷;;医学图像分割方法综述[J];模式识别与人工智能;2002年02期

相关博士学位论文 前1条

1 于志强;医学图像分割与虚拟手术几个关键问题的研究[D];上海交通大学;2007年

相关硕士学位论文 前3条

1 王宇慧;基于主动形状模型的医学图像分割方法研究[D];西北大学;2015年

2 郑丽芳;三维超声图像分割方法的研究与实现[D];华南理工大学;2012年

3 杨加臣;基于MAP-EM算法的医学图像分割技术研究[D];西安电子科技大学;2010年

本文编号：2780422