医学图像中肝脏分割算法的综述报告.pptVIP

医学图像中肝脏分割算法的综述报告 背景介绍 基于医学图像的计算机辅助诊断是当代医学的重要方法，图像分割算法是医学图像处理的主要研究方向之一。医学图像分割的目的就是辅助医生对患病部位的诊断和治疗，各种基于医学图像的诊断、分析、治疗和评估等等研究都是假设已经对图像做了精确的分割，或者说都是以图像分割为基础的。 磁共振MR(Magnetic Resonance)图像和CT图像是公认的确认肝脏有无肿瘤性质的病变的金标准检查方法，但是由于肝脏组织浸润和个体差异，在解决肝脏分割方面还没有通用的数字图像处理方法。 分割算法的分类 图像分割按原理主要分为三大类 1、阈值方法 2、聚类方法 3、可变模型 阈值分割方法 基于迭代四叉树的分割方法 四叉树区域分裂方法是一种典型的分割方法：先将整个图像看成一个区域，然后不断将图像分裂成4个矩形区域，直到每个区域内部都是相似的四叉树分割方法的特点是图像的灰度变化越大，子区域的面积越小，分割结果越精确。在用四叉树方法得到的肝脏分割图像中，存在一些问题：首先是肝脏区域内部灰度不均匀导致一些大的斑点；其次在肝脏区域及整个图像边缘处，由于灰度变化剧烈产生了孔洞，这两个因素影响了初步分割结果的准确性。同时，初步分割区域边缘的锯齿型结构，与人体组织的自然平滑状态不符。 自适应分割方法 方法通过构造频率图像自动选取序列中含有最大肝脏区域的图像切片，以此图像切片