医学硕士论文答辩-基于C-V模型的脑肿瘤图像分割.pptVIP

汇报提纲 研究背景 基于Chan-Vese模型的脑肿瘤图像分割 脑肿瘤的三维重构与定位 肝脏肿瘤体积计算 结束语 研究背景 研究对象 -脑肿瘤及肝脏肿瘤图片 研究目的 -肿瘤疾病的发病率较高，危害性大 -国内部分地区使用的肿瘤治疗手段弊端较多 研究背景 论文的体系结构 汇报提纲 研究背景 基于Chan-Vese模型的脑肿瘤图像分割 脑肿瘤的三维重构与定位 肝脏肿瘤体积计算 结束语 基于C-V模型的脑肿瘤图像分割 问题描述 -如何对边界不规则的脑肿瘤图像进行准确分割 采用的方法 -基于Chan-Vese模型的肿瘤图像分割方法 实验数据 -边界不规则的肿瘤图像 基于C-V模型的脑肿瘤图像分割 Chan-Vese模型简介 -由Tony Chan和Luminita Vese于2001年提出，是一种将水平集与主动轮廓模型相结合的曲线演化方法 Chan-Vese模型的主要优势 -分割速度较快 -初始轮廓选取灵活 基于C-V模型的脑肿瘤图像分割 基于C-V模型的脑肿瘤图像分割 该方法的主要创新点 -使用Chan-Vese模型对肿瘤图像进行分割时结合数学形态学操作，由于形态学操作针对像素逐个进行运算，能很好的提取分割目标的轮廓，所以能有效提高分割的准确度 基于C-V模型的脑肿