-CT影像中磨玻璃状结节的马尔科夫聚类分割.docx

原始依据（包括设计或论文的工作基础、研究条件、应用环境、工作目的等。）

工作基础：近年来不断发展的医学成像条件令成像数量不断增多，这使得医生逐片解读图像米判定疾病的过程越来越繁琐，又因为现代人脊柱畸形的愚病率正逐年上升，所以脊柱图像的分割将会是医学图像处理的一个研究虑点和方向。考虑到分割效果将直接影响到医生对患者病情的判断，所以寻找一种具有更高分割精度的算法迫在眉睫。现有的自动分割技术主要包括（1）边缘检测法口（2）区城生长法（3）白适应阀值法(4）模糊聚类法（5）基于数学形态学方法（6）基于人工智能的方法（7）基于神经网络法等。由于传统的分割算法往往不注重像素点内在联系，即仅仅利用像素的灰度信息，不对像素的空间信息进行考虑,所以导致对脊柱CT图像分割结果不理想。近年来为了解决这一缺陷马尔可夫模型(hiddenMarkovmodel,HMM)成为图像分割的研究热点之一，原因是这一方法将目标像素与其邻城像素间的相互信息作为先验知识，同时结合最大后验谁则(maximumaposteriori,MAP),把图像分割问题转化成了能量函数最优问题。鉴于此，基于马尔可图像分割方法在医学图像分割方面更具有实用性。

研究条件：(1)CT影像的聚类分割。（2）K-means算法和马尔可夫聚类

应用环境：matlab

工作目的:得到不同参数下分割并寻优

二、参考文献:

彭明政.基于早期肺腺癌性磨玻璃结节CT三维重建下相关影像学参数对癌细胞ki-67表达指数的术前预测模型研究[D].上海:上海交通大学,2016.

张铮,徐超,仁淑霞,等.数字图像处理与机器视觉——VisualC++与Matlab实现.北京:人民邮电出版社，2014:418-423.

谷宇,吕晓琪,赵建峰,等.基于三维区域增长和灰度积分投影法的肺实质分割[J].科学技术与工程,2016,16(32):93-100.

张文增,陈强,都东,等.直线检测的灰度投影积分方法[J].清华大学学报(自然科学版).2005,(11):4.

郭玉贝.基于马尔可夫随机场模型的医学图像分割方法研究[D].沈阳:东北大学,2009.

刘策,张花齐,王洪瑞,等.基于模糊C均值聚类和改进的随机游走算法的肺结节分割[J].生物医学工程学杂志,2019,36(06):978-985.

章航晋．图像分割[M]。北京：科学出版社，2001.

Sobel.CameramodelsandmachineperceptionD].StanfordUniversity,StandfordCA,1970.

D.Marr,E.Hildreth.Theoryofedgedetection(J].Proc.Roy.Soc.LondonB,1980,

207(1167):187-217.

J.Canny.Findingedgesandlinesinimages(RJ.MITArtificialIntelligenceLab,CambridgeMA,TechnologyReport,1983.

M.Kass,A.Witkin,D.Terzopoulos.Snakes:activecontourmodels//J.Int.J.

Comput.Vis.,1988,1(4):321-331.

T.McInerney,D.Terzopoulos.Deformablemodelsinmedicalimageanalysis:asurveyJ.Med.ImageAnal.,1996,1(2):91-108.

C.Xu,J.Prince.Snakes,shapesandgradientvectorflow[J.IEEETrans.ImageProcess.,1998,7(3):359-369.

E.Mortensen,W.Barrett.Interactivesegmentationwithintelligentscissors[J].

Graph.ModelsImageProcess.,1998,60(5):349-384.

三、设计（研究）内容和要求（包括设计或研究内容、主要指标与技术参数，并根据课题性质对学生提出具体要求。）

研究内容:(1)CT影像的聚类分割；（2）比较K-means算法和马尔可夫聚类进行图像分割的差别和各自可适用的范围；（3）对CT影像进行马尔可夫聚类分割；（4）在不同参数下进行分割并寻优。

主要指标和技术参数：

得到CT图像在不同参数下的分割图像，分割质量不低于K-mea