数学形态学及碎形维度于X光医学影像详解.docVIP

数学形态学及碎形维度于X光医学影像分析 诸论 近年来，随着计算机计算能力的提升，计算机影像处理技术及应用有着迅速的发展，并在各个科学研究及应用领域中得到广泛的应用。例如在生物医学工程领域中，癌细胞的识别、白血球分类、红血球统计及手术方案的计算机影像确定等等。这些课题都涉及到影像处理中一个主要分支-影像分割(Segmentation)及描述(Description)。 影像分割的主要目的，在于将观察者有兴趣的区域自影像中分割出来。有别于传统影像分割的方法，数学形态法是以一结构元素去度量和萃取影像中对应的特征，适合用于X光医学影像的纹理特征撷取。 影像描述是指以特征信息来代表影像特性，如在形容一个圆形时，半径大小即为最佳的描述方法。有别于传统欧氏几何学之整数维度，碎形可具有分数维度，常用以表征某些不规则的几何形体。X光医学影像纹理特征形态复杂，有着与碎形结构类似的特性，非常适合以碎形维度来描述之。 数学形态学及碎形维度为影像分割及描述的新方法。研究分为以下三个部份来评估数学形态学及碎形维度于X光医学影像分析时之可行性及限制性。第一部份:利用猪脊骨试体之Micro CT数字影像，仿真X光照射时可能产生的变异。讨论照射角度、影像对比及几何误差的变异对分析结果所产生的影响。第二部份:以材料试验机求得试体的材料性质(杨氏系数及极限强度)，探讨影像特征之碎形维度与杨氏系数及极限强度之相关性。第三部份以临床根管治疗为例，以数学形态学撷取影像特征，并配合碎形维度评估根管治疗前后影像特征的差异，以期做为早期根管治疗成效的评估。另外，碎形维度常见的评估方法-方格计数法，于非整数分割时，所产生的平台效应，本研究亦提出修正公式来解决此一问题。 第二章 数学形态学 以数学形态学的方法来描述及求取骨架时，设为欧几里德空间上的集合，的骨架记为，为骨架的子集，即为中最大内切圆半径为时所对应之骨架，以数学形态学的表示如下: (2.1) (2.1)式中指半径为的圆，为具有微小半径值的圆。在欧几里德空间中，圆可近似为一个小的结构元素B。而圆则可近似为离散半径的圆，其中(次)。由此可得出另一种数学形态对骨架的定义形式: (2.2) Original Image n=0 n=1 n=2 n=1~5 n=3 n=4 n=5 图2.1灰阶影像的骨架分析(特征撷取) 第三章 碎形维度 表3.1欧氏几何与碎形几何的比较 盒子维度 对于一个复杂的几何图形，我们无法知道其局部与整体之间的相似比时，可以采用大小不同的方块分别去覆盖(或填充)被测对象，依方格大小统计覆盖所需的方格数来计算其维度，这种方法称为盒子计数法(Box Counting)又称方格计数法( Majumdar, Weinstein and Prasad 1993)。用这种方法计算出的维度称为容量维度。 设想我们用一长度为的线去量测长度为的线段时，测得与之比值为。显然值的大小与的长短有关，越小越大，即: (3.1) 如我们用一边长为的正方块去覆盖面积为的平面时，测得与之比值为。显然值的大小与正方块的面积有关，越小越大，即: (3.2) 上述(3.1)、(3.2)式中的指数部份1及2分别为直线与平面的维度。将上述的讨论加以推广，对于容量维度为的对象用边长为r的方块去覆盖时，可得到的个数为: (3.3) 一般来说，为了精确测量一个不规则物体，所用的尺度越小越精确，在极限情况下: (3.4) 对式(3.4)取对数得容量维度： (3.5) 由于在实际计算碎形体的容量维度时，我们不可能取长度的