基于字典迁移学习的胃部CT序列图像联合分割-电子与通信工程专业论文.docxVIP

摘 要 I 摘 要 随着经济的发展和生活水平的提高，健康问题越来越受到人们的关注。胃癌是 中国常见的癌症死亡原因之一，它严重的危害人类的健康。随着多层螺旋 CT 技术 的不断发展以及广泛应用，CT 图像已成为胃癌诊断的重要手段和方法。医学影像 设备的不断更新使得影像数据的获取变得越来越容易，医院的放射影像数量也随之 指数级的增加，这极大的增加了医生的负担，使医生诊断的准确率难以保证。为了 解决这个问题，本文围绕 CT 序列图像中胃癌病变区域的分割这一课题主要完成了 如下工作： 1. 提出基于字典学习的联合分割方法，针对胃癌病变区域在 CT 图像中边界模 糊且与周围组织器官灰度差异小的问题，采用交互式方法分割少量图像得到准确的 分割结果，然后基于此结果学习字典并匹配序列中其余图像来得到分割结果，即保 证了分割准确率又节省了时间。 2. 提出基于字典迁移的联合分割方法，将字典学习和迁移学习两种思想结合 在一起，在字典学习的基础上通过迁移 CT 图像序列中目标区域变化大的部分来更 新字典，增强了字典的描述能力和完备性，从而避免了图像序列间的变化差异带来 的分割不准确的问题。 3.提出了基于快速交互式字典选择的联合分割方法，由于医学图像处理中计算 机辅助诊断要求较高的实时性和准确率，本文基于每个像素提取像素块稀疏表示来 代替非常耗时的提取特征描述，这极大的提高了算法速度。同时本文针对不同人的 CT 影像存在的个体差异性，采用二次修正的方法，对分割不正确的图像可以二次 交互后再迁移更新字典，进一步提高了分割的准确率和算法鲁棒性。 支持本论文的基金项目：国家自然科学基金60970067,； 国家部委科技项目：9140Z0107 和中央高校基本科研业务费专项资金、 陕西省自然科学基金(2011JQ8020)。 关键字：胃癌 CT 序列图像 交互式联合分割 稀疏表示 迁移学习 PAGE IV PAGE IV 基于字典迁移学习的胃部 CT 序列图像联合分割 Abstract III Abstract With the rapid development of technology, medical imaging equipments become more and more advanced, and it makes the acquisition of medical imaging more and more easily. As people have been much more concerned about their own health, the number of hospital radiology images have increased exponentially, which greatly aggravates the burden on doctors and makes it more difficult for doctors to guarantee their diagnostic accuracy. To solve this problem, this paper extracted lymph node region of interest from stomach CT images, mainly to complete the following work: Dictionary learning based co-segmentation method is proposed. The characteristics of gastric lesions area in CT images are fuzzy boundaries and small grayscale differences in peripheral tissues and organs, so accurate segmentation results are got by using interactive segmentation method for a small amount of image, and then based on the results to learning dictionary and match the rest of the image sequence to get result, which ensure the accuracy and save time. Dictionary transfer based co-segmentation is proposed, which combination with