医学图像分割方法综述.docx

　　随着影像医学的发展。图像分割在医学应用中具有特殊的重要意义。本文从医学应用的角度出发、对医学图像分割方法，特别是近几年来图像分割领域中出现的新思路、新方法或对原有方法的新的改进给出了一个比较全面的综述。最后总结了仄学图像分割方法的研究特点关键词图像处理。 　　医学图像包括C丁、正电子放射层析成像技术、单光了辐射断层摄像(SPECT)、MI{(磁共振成像)、。记(超声)及其‘已医学影像设备听获得的图像随着影像医学在临床医学的成功应用。图像分害」在影像医学中发扦着越来越大的作用。冬像分割是提取影像图像中特殊组织的定狱信官、听不可缺少的手段，同时也是可视化实现的预处理步骤和前提分割后的图像正被j“泛应用于各种场合，如组织容积的定量分析，诊断、病变组织的定位，解剖结构的学习，治疗规划，功能成像数据的局部体效应校正和计算机指导手术所谓图像分害」足指将图像，具有特殊涵义的不同区域区分开来;这些区域是互相不交又的，每一个区域都满足特定区域的一致性定义将一幅图像。 　　在下面的叙述中，为了简单，我们将经典的分割和像素分类通称为分割医学图像分割到今天仍然没有获得圆满解决，一个重要的原因是医学图像的复杂性和多样性。山于医学图像的成像原理和组织本身的特性差异，而且图像的形成受到诸如噪音、场偏移效应、局部体效应和组织运动等的影响。医学图像与普通图像比较，不可避免地具有模糊、不均匀性等特点。另外，人体的解剖组织结构和形状复杂，而且人与人之间有相当大的差别这必都给医学图像分割带来了困难。传统的分割技术或者完全失败，或者需要一此特殊的处理技术因此。我们有必要针对医学应用这个领域，对图像分割方一法进行研究为J”解决医学:图像分割问题，近几年来，很多研究人员做犷大量的F作，提出J一很多实用的分算法，随着统计学理沦、模糊集理沦、神经网络、形态学理论、小波理沦等在图像分割中的应用。 　　医学图像分割方法综述泛，遗传算法、尺度空间、多分辨率方法、非线性扩散方程等近期涌现的新方法和新思想也不断被用于解决分割问题，国内外学者提出了不少针对一些具体应用的好的分割方法本文将主要介绍近几年这一领域中研究人员提出的新方法或对原有方法的新改进，但在此不专门讨论纹理分割问题。需要指出的是，由于从不同的角度将得到不同的分类结果，本文中涉及方法的分类并不是绝对的，而且许多分割方法还是多种简单方法的综合体，我们只能大致将它们分为属于最能反映其特点的某一类基于区域的分割方法图像分割通常会用到不同对象间特征的不连续性和同一对象内部的特征相似性。 　　基于区域的算法侧重于利用区域内特征的相似性阑值法阑值分割是最常见的并行的直接检测区域的分割方法。如果只需选取一个阂值称为单阑值分割，工它将图像分为目标和背景两大类;如果选取多个阑值分割称为多阂值方法，图像将被分割为多个目标区域和背景;为区分目标，还需要对各个区域进行标记阑值分割方法基于对灰度图像的一种假设:目标或背景内的相邻像素间的灰度值是相似的，但不同目标或背景的像素在灰度上有差异，反映在图像直方图上，不同目标和背景则对应不同的峰。 　　选取的闭值应位于两个峰之间的谷，从而将各个峰分开阂值分割的优点是实现简单，对于不同类的物体灰度值或其它特征值相差很大时，它能很有效地对图像进行分割。阑值分割通常作为医学图像的预处理，然后应用其它一系列分割方法进行后处理。 　　它也常被用于CT图像中皮肤、骨骼的分割阂值分割的缺点是不适用于多通道和特征值相差不大的图像，对于图像中不存在明显灰度差异或灰度值范围有较大重叠的图像分割问题难以得到准确的结果另外，由于它仅仅考虑了图像的灰度信息而不考虑图像的空间信息，阑值分割对噪声和灰度不均匀很敏感。针对阑值分割方法的缺点，不少学者提出了许多改进方法，如基于过渡区的方法、利用像素点空间位置信息的变化阂值法伙结合连通信息的阂值方法对于多目标的图像来讲，如何选取合适的阂值是基于阑值分割方法的困难所在至今仍有不少学者针对该问题进行深人的研究，提出了许多新方法在近年来的自动选取阑值方法中，基于最大嫡原则选择阑值是最重要的方法之一，由Pun首先在文献中提出。这种方法的目的在于将图像的灰度直方图分成两个或多个独立的类，使得各类嫡的总值最大，从信息论角度来说就是使这样选择阂值获得的信息量最大。进一步发展了这种方法。 　　提出了用Renyi嫡代替常规嫡的最大嫡原则。Jui一chengyen等人提出用最大相关性原则选择阂值了，这种方法其实只是用他们定义的一个最大相关性原则取代了一般的最大嫡原则区域生长和分裂合并区域生长和分裂合并是两种典型的串行区域分割方法其特点是将分割过程分解为顺序的多个步骤，其中后续步骤要根据前面步骤的结果进行判断而确定区域生长的基本思想是将具有相似性质的像素集合起来构成区域，该方法需要先选取一个种子点，然后依次将种