基于图割与水平集的超声图像分割方法研究-电子与通信工程专业论文.docxVIP

I I 摘 要 摘 要 甲状腺肿瘤是头颈肿瘤中的常见病和多发病，居头颈肿瘤首位，是发病率增高最快 的实体癌。不断发展的医疗成像技术是诊断甲状腺肿瘤良恶性的重要手段，二维灰阶超 声，多普勒超声是甲状腺肿瘤良恶性诊断的基础，通过结合三维超声、超声造影及超声 弹性成像等新的影像学诊断技术可以获得更好的辅助诊断结果。因此，为了准确确定出 甲状腺结节位置以及正确判别甲状腺结节的良恶性是非常必要的。 超声图像分割具有较强的针对性，各种算法通常都是基于特定的领域、特定的成像 模式、特定的感兴趣对象。这些问题使超声图像分割至今都没有统一的标准和普遍适用 的规则。其中基于图论的图像分割方法和基于几何主动轮廓模型的水平集方法一直是近 年来图像分割领域研究的热点。 针对甲状腺超声图像的图像分割，本文主要进行了以下工作： 首先对超声图像的特点进行分析总结，并对超声图像进行预处理。通过对比选择更 适合的滤波器对超声图像进行预处理，为后续更准确的分割出甲状腺结节做好准备。 其次对基于图论的图割方法和基于几何主动轮廓模型的水平集方法进行全面分析， 介绍了基于图割的图像分割方法和基于水平集方法的 C-V 模型的基本原理,从定性和定 量角度剖析了图割与能量函数最小化之间的关系，并简要论述分析了水平集方法的 C-V 模型基本思想和特点。 然后结合图割算法和 C-V 模型的各自特点，总结出其图割算法模型与 C-V 模型各 自的异同点，将 C-V 模型做一系列离散化处理与图割模型结合，形成新的能量泛函，完 成能量最小化分割。 最后通过实验证明改进后的方法在分割超声图像上克服了水平集方法需重新初始 化缺点，降低了结点数目，减少了计算量，并具有鲁棒性高，分割准确等特点。 关键词 超声图像 图像分割 图切割 水平集 II II Abstract Abstract Thyroid cancer is the cancer of head and neck which is a common and frequently-occurring disease. Thyroid cancer ranks first in head and neck cancer, increased incidence of thyroid cancer is the fastest solid cancer. Evolving medical imaging technology is an important means of diagnosis of benign and malignant thyroid tumors. Two-dimensional gray-scale ultrasound, doppler ultrasound is the basis for the diagnosis of benign and malignant thyroid tumors, through a combination of three-dimensional ultrasound, angiography and ultrasound elastography and other new diagnostic imaging technique can get better diagnosis results. Therefore, to determine the location accurately and correct classification of benign and malignant thyroid nodules are necessary. Ultrasound image segmentation has strong pertinence, various algorithms are usually based on a specific areas, a specific imaging mode, a particular object of interest. These problems make the ultrasound image segmentation has no uniform standards and universal rules. Which is based on graph theory image segmentation method and level set method for geometric active contour model based image segmentation has been a hot research field in recent years. For thyroi