基于图割的CT影像分割算法研究-生物医学工程专业论文.docxVIP

天津医科大学硕士学位论文中文摘要 天津医科大学硕士学位论文 中文摘要 医学影像分割是把医学影像划分为各具特色的区域并提取出感兴趣器官或 组织的过程和技术。它是医学影像处理、可视化及计算机辅助诊断等领域的关 键问题之一，其分割精度也直接影响着后续处理的结果，因此医学影像分割一 直是研究热点之一。 基于图割的影像分割算法是近年来发展起来的新方法，图割方法是将图像 以马尔可夫随机场的形式构造弘f网络，并利用最大流最小割算法进行优化的技 术。其核心思想在于构造一个合理的能量函数，并运用组合优化技术使之最小 化。其具有结合区域与边缘信息、全局最优化、无拓扑限制及可结合多种先验 知识等特点。 本文首先介绍医学影像分割的背景知识，包括医学影像分割算法的研究现 状、分割评价体系和医学影像算法平台研究等；其次对图割算法的相关基础知 识进行梳理，包括与图割算法相关的图论基础知识、最大流最小割算法及图割 算法基本流程等。所有这些前人优秀的研究成果构成了本文研究的基础。 本文以图割理论为核心，对图割算法从算法效率、精确度和交互方式三个 方面进行改进： (1)用均值漂移算法作为图割算法的预处理步骤，提高图割算法的效率。 其思路为：对原始图像利用均值漂移算法进行过分割处理，以其产生的过分割 区域作为一个超像素来替代单个像素参与图割算法，从而减少实际运行中图的 顶点和边的数目，因而可大幅提高图割算法的效率。均值漂移算法、分水岭法 和聚类算法均可看做超像素法，但分水岭法对噪声敏感且边界保持性不好，聚 类算法需要设定聚类数目，而均值漂移算法具有良好的边界保持特性、不需要 设定聚类数目且对噪声有一定的抑制作用等特点，因此选用均值漂移算法作为 超像素法来结合图割算法。本文选取三维脊椎骨CT(Computed Tomography)影 像进行实验，利用“对称位置的平均表面距离”这一指标来评价算法，本文算 法这一指标约为1．208mm，而分水岭法和图割结合算法约为2．924mm，面绘制 结果也验证了本文算法的有效性。 (2)用概率图谱和图割算法结合，提高图割算法的精确性。为得到更精确 天津医科人学硕十学位论文的分割结果，可在基于图割的影像分割算法框架中引入先验形状知识来指导分 天津医科人学硕十学位论文 的分割结果，可在基于图割的影像分割算法框架中引入先验形状知识来指导分 割。本文选取概率图谱方法作为先验形状信息，它是一种无参的形状模型约束 方法，简化了建模的复杂度。它通过训练图像与待分割图像的配准，经过一定 的运算获得与待分割图像大小一致、狄度值为该像素属于某种器官的概率值的 图像，即待分割图像某一器官的概率图谱。本文把概率图谱作为先验形状信息， 并和原始图像的灰度值一起作为图割算法的区域信息因子，实现了高层先验知 识与底层信息结合进行分割的效果。本文选取腹部CT影像来分割肝脏进行实 验，利用临床评价体系对分割结果进行分析，本文结果得分约为69分(手工分 割结果设为75分)，基本达到了一定的临床要求。 (3)实现自动分割。对某一解剖部位的医学影像，邀请放射科医师通过训 练获取该影像中目标和背景的均值和标准差，作为该解剖结构的先验信息，并 将其作为分割该部位医学影像的参考指标输入到程序中，以实现对该部位的一 类医学影像进行自动分割，本文图割算法均为利用该方法的自动分割方法。 关键词：图割图像分割均值漂移概率图谱 自动分割 H 天津医科人学硕+学位论文Abstract 天津医科人学硕+学位论文 Abstract Medical image segmentation is the technology and process to separate all image into certain regions with special characteristics and to extract the interesting target． It’S one of the key issues in medical image processing,visualization and computer -aided diagnosis．And the segmentation result call directly affect the accuracy of subsequent processes．So the research is the hot spot all the time． Medical image segmentation based on graph cuts is a new developing method recently．Graph cuts algorithm is the technology to convert an imag