医学图像分割相关算法研究.pdf

分类号密级

UDC 注 1


学位论文







医学图像分割相关算法研究
(题名和副题名)


宋浩
(作者姓名)


指导教师解梅教授
电子科技大学成都
(姓名、职称、单位名称)
申请学位级别硕士学科专业信号与信息处理
提交论文日期 论文答辩日期
学位授予单位和日期电子科技大学 2014 年 6 月
答辩委员会主席
评阅人

注 1:注明《国际十进分类法 UDC》的类号。
RESEARCH ON MEDICAL IMAGE
SEGMENTATION ALGORITHMS



A Master Thesis Submitted to
University of Electronic Science and Technology of China













Major: Signal and Information Processing
Author: Hao Song
Advisor: Professor Mei Xie
School : School of Electronic Engineering
独创性声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作
及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方
外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为
获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与
我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的
说明并表示谢意。
作者签名: 日期: 年月日

论文使用授权
本学位论文作者完全了解电子科技大学有关保留、使用学位论文
的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,
允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全
部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描
等复制手段保存、汇编学位论文。
(保密的学位论文在解密后应遵守此规定)
作者签名: 导师签名:
日期: 年月日
摘要
摘要
多发性硬化症是一种中枢神经系统的疾病。现阶段,核磁共振成像(MRI)
正在被广泛的使用在多发性硬化症的诊断上。通过医学专家手动分割 MR 图像上
的多发性硬化症病变组织是一件非常耗时的工作,而且手动分割方法具有不可再
生性,因此自动分割病变组织是一个很紧迫的问题。由于不同病人的脑部病变组
织在 MR 图像中的形状,位置,区域都有很大的不同,即使同一病人的脑部病变
组织在不同时期也会有所变化,因此自动的分割脑部病变组织是一件非常困难的
事情。我们在传统医学图像处理的基础上,提出了一种可以全自动进行病变组织
分割的方法。针对脑部 MR 图像病变组织分割,本文主要做了以下的研究工作:
1. 本文总结了一些医学图像分割领域常见的分割方法,这些方法应用在病变
组织分割时有自身的局限性,但是为本文之后提出的病变组织分割方法打下了理
论基础。
2. 本文介绍了近些年病变组织分割的发展状况,并且重点介绍了两种进行病
变组织分割方法,一种是基于支持向量机(SVM)的方法,另一种是基于高斯混
合模型(GMM)的方法。这两种分割方法在进行病变组织分割时有一些缺陷,但
有一些自身的优势。
3. 本文将单通道分割扩展到多通道分割,这样可以将多种模态(T1,T2,
FLAIR)的 MR 图像的信息有效的融合起来,从而将其应用在病变组织分割中。
多通道分割与单通道分割都是基于能量最小化模型,在分割的同时会进行偏差场
校正,其分割结果会得到四种不同组织,分别是白质(WM),灰质(GM),脑脊
液(CSF),病变组织(Lesion)。
4. 多通道分割之前需要进行病变组织增强从而将病变组织完整的分割出来。
我们提出了两种进行病变组织增强的方法,一种是基于直方图统计的方法,一种
基于偏差场的方法。实验结果表明,基于偏差场的方法要明显优于基于直方图统
计的方法。
5. 本文对 3D 的 RSF 水平计算法进行改进,将其扩展到多通道的 RSF 水平
集分割,这样可以将多种模态(T1,T2,FLAIR)的病变组织信息融合起来。本文
将多通道病变组织分割的结果作为初始水平集,进行多通道 RSF 水平集分割,得
到的病变组织结果和真实的病变组织可以极大的吻合。

关键词: 多发性硬化症,核磁共振成像,多通道分割,偏差场,水