医学硕士论文答辩.ppt

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汇报提纲0102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目的脑肿瘤及肝脏肿瘤图片研究对象研究背景论文的体系结构研究背景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TonyChan和LuminitaVese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分割流程图基于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模型的脑肿瘤图像分割实验结果脑肿瘤CT图片分割对比图基于C-V模型的脑肿瘤图像分割两种算法平均耗费时间的比较（单位：秒）两种算法的有效分割面积对比（单位：像素）实验结果研究背景基于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汇报提纲脑肿瘤图像的三维重构与定位需要解决的问题面绘制方法及体绘制方法采用的方法包含脑肿瘤的图像切片实验数据脑肿瘤的三维重构与定位脑肿瘤的三维重构与定位三维重构定义利用计算机对一定数量的二维图像序列切片进行处理，重构出病变体的三维立体形状面绘制重构方法将图像中感兴趣的部分以等值面的形式抽取出来，然后借助三维可视化工具，通过进行光照效果变换和旋转来生成三维立体图像原始图像肝脏等值面提取面绘制重构12脑肿瘤的三维重构与定位脑肿瘤的三维重构与定位体绘制重构方法将数据场中的体元看成一种半透明物质，然后赋予其一定的颜色和不透明度，最后由光线穿过整个数据场，进行颜色合成，进而在屏幕上得到三维立体图像体绘制原理图脑肿瘤三维重构与定位示意图（样本来源：兰州大学第二附属医院放射科）实验结果脑肿瘤的三维重构与定位研究背景脑肿瘤的三维重构与定位结束语基于Chan-Vese模型的脑肿瘤图像分割肝脏肿瘤体积计算汇报提纲累加法及可视化工具VTK采用的方法包含肝脏肿瘤的图像切片实验数据肝脏肿瘤体积计算需要解决的问题010203肝脏肿瘤体积计算肝脏肿瘤体积计算肝脏肿瘤大小表示方法01传统表示方法依据WHO标准，病灶大小用最大直径和与其垂直的最大垂直径来表示02最新表示方法用体积表示病灶大小