医学CT图像分割方法的研究.pdf

Classified Index: TP399 U.D.C: 621.3 Dissertation for the Doctoral Degree in Engineering RESEARCH ON MEDICAL CT IMAGE SEGMENTATION METHODS Candidate ： Zhou Shengjun Supervisor ： Prof. Cheng Yuanzhi Academic Degree Applied for ： Doctor of Engineering Speciality ： Mechatronics Engineering Affiliation ： School of Mechatronics Engineering Date of Defence ： June, 2014 Degree-Conferring-Institution ： Harbin Institute of Technology 万方数据 摘 要 摘 要 医学图像分割是医学图像处理与分析的基础，该问题的解决不仅直接影响 到计算机图形图像技术在医学中成功应用而且有重要的理论和实际意义。医学 图像分割是一个提取感兴趣区域的过程，其分割结果可以为随后的疾病诊断、 治疗方案规划以及治疗效果评估等提供参考。CT 由于具有较高分辨力，能更清 晰的彰显解剖结构和病变组织等特点，使其广泛地应用到许多系统的疾病诊断。 因此，研究图像分割方法在 CT 图像中的应用具有非常重要的意义。本文主要 针对髋关节、包含胸膜结节的肺部以及肝脏等 CT 图像进行研究，其目的是构 建准确、自动的分割方法为医生的诊断和治疗提供帮助。 正常的髋关节由股骨头和髋臼两部分组成。在髋关节 CT 图像中，由于股 骨头和髋臼之间连接区域非常狭窄以及一些疾病等原因导致骨密度不均匀，使 得准确分割髋关节 CT 图像变得非常困难。针对上述问题，本文提出一种基于 迭代自适应阈值分类和贝叶斯判别分析技术相结合的三维髋关节 CT 图像自动 分割方法。该方法首先利用形态学增强技术提高连接区域与骨组织之间的灰度 对比度，在随后过程中，针对阈值分割结果使用基于贝叶斯判别方法的迭代自 适应分类最终实现股骨头和髋臼之间的分离。 由于在上述分割方法中多次使用数学形态学，使得分割出的结果往往被过 分光滑而丢失骨边缘的细节；再者，形态学操作依赖于结构元素的选取，选择 不同形状或者尺寸的结构元素会对分割结果带来一定的影响。针对上述问题， 本文提出一种基于骨曲面顶点法线方向灰度变化的边缘校正算法。通过该校正 算法不仅可以实现骨边界体素的准确定位，同时可以得到髋关节的三维可视化 结果。实验结果验证了本算法的准确性以及临床适用性。 由于肺部充满空气，相比于周围组织具有较低密度，因此阈值方法是一种 常用的肺部CT 图像分割方法。但对于包含胸膜结节的肺部CT 图像来说，由于 胸膜结节位置以及大小的多变性且与周围组织具有相似的密度，阈值方法难以 准确的将其包含；再者靠近纵膈区域的高密度的肺部血管也被阈值方法排除在 外导致肺门区域的凸凹不平，传统方法通常采用形态学方法进行光滑，但是形 态学过分依赖结构元素的选取。针对上述问题，本文提出一种准确自动的肺部 CT 图像分割方法和一种有效