2025《淋巴管瘤磁共振图像的分割方法实现案例分析》2700字.docVIP

第PAGE6页共

第PAGE6页共NUMPAGES42页

淋巴管瘤磁共振图像的分割方法实现案例分析

目录

TOC\o1-3\h\u9575淋巴管瘤磁共振图像的分割方法实现案例分析 1

69531.1算法步骤 1

136661.1.1数据采集参数 1

303821.1.2图像预处理 2

152541.1.3感兴趣区域的选取 3

267261.2基于边缘检测的分割方法分割结果与分析 4

280431.3基于阈值的分割方法分割结果与分析 4

2121.4基于区域生长的分割方法分割结果与分析 6

200961.5图像后处理 8

1.1算法步骤

图1.1算法步骤流程图

1.1.1数据采集参数

本论文所用的图像数据是由GE公司的磁场强度为3T的MRI设备进行磁共振成像得到的。成像所采用的序列为SE（自旋回波）序列，其相关数据采集参数如下：成像频率为127.7639MHz；相位编码步数为256；切片厚度为4mm；偏转角为111°；视野大小为100×100；重复时间TR=2103ms；回波时间为70.8480ms；矩阵大小为[4×1uint16]；本文基于MATLAB对以上数据进行了一系列处理，处理结果将在下文中展示。

1.1.2图像预处理

本文在算法进行过程中,进行读入数据后对图像进行了相关的预处理,经过一系列比较选择采用直方图增强法,以便后面图像分割效果更好,能更容易的辨别和分割病灶。下文是对直方图增强法的概述:

灰度直方图是图像处理中使用最便捷的工具,可以观察图像灰度直方图分布方式,以此来判断图像质量是否合格。假如某一图像的灰度值范围是很狭窄的,那么其可以活动的动态范围就会大大缩小,进而导致图像对比度很低,直接拉低形成图像质量,相反情况下,也是如此。最普遍的修改直方图的方法有:灰度变化和直方图的增强。图像的整体或者局部对比度是直方图增强技术的核心工作点,一般分为:直方图的均衡和规定化。

(1)本文使用的图像增强方法基于直方图均衡化技术，下面对该方法的基本步骤进行阐述。

1)统计原图像的直方图;

2)用归一化的方法对原始图像的灰度值进行处理，所依据的公式为公式（1.1）:

prrk

3)根据如下公式(1.2)对变换函数的各个灰度等级值进行求解，也就是说，对累计直方图所用的各灰度等级值进行求解。

sk=Tr

4)在求解完灰度等级值后，将其与接近的灰度级值进行归类整理，这个灰度级指的是与原始图像最近的灰度级。也就是说，将根据公式（1.2）求得的灰度等级值，依照就近原则进行近似运算，近似到标准灰度级别值中。进行近似运算时，标准灰度级别值需要与原始图像的灰度级别相同。在确定好新图像的灰度级别后，根据各个灰度值确定新图像的灰度级别,计算每个灰度值带有的像素数并根据这些像素数绘制基于新图像的直方图。

(2)利用函数imadjust给原始图像规定一个新的直方图,并将灰度值控制在0到1之间。该函数的应用说明如下,例:

J=imadjust(I,[0.30.8],[0.20.9])：表示I显示在J中的像素值范围为0.3到0.8，而且0.3在J中对应0.2，0.8在J中对应0.9。I中小于0.3的也都在J中用0.2表示，高于0.8的像素在J中都用0.9表示。

两种直方图增强效果如下图1.2所示：

图1.2两种直方图增强法增强效果

1.1.3感兴趣区域的选取

在对图像进行处理的时候,我们往往会对图像的某一部分进行处理，这一部分被称为感兴趣区域(ROI,region?of?interest)。我们把一幅图片需要处理的部分提取出来,再进行相关的处理,这样不仅会提高处理结果的质量,还会提高效率,避免不必要的误差等。

本论文算法感兴趣区域选择,提取结果如下图1.3所示:

图1.3原图（左）感兴趣区域的选择（中）感兴趣区域的提取（右）

1.2基于边缘检测的分割方法分割结果与分析

根据实验数据提取感兴趣区域，进行图像分割时，使用的方法是以边缘检测为基础的分割方法。根据边缘检测算子对图像边缘敏感程度的不同，本文使用了五种边缘检测算子进行图像分割，Roberts、Prewitt以及Sobel边缘检测算子对比较大的连续区域边缘敏感?,而LoG和Canny边缘检测算子除对所需分割的区域敏感外，还对周围的区域，也就是不需要被分割出的区域敏感。根据这些特点，利用这五种算子对感兴趣部位进行分割。结果如图1.4所示:

图1.4几种边缘算子对MRI淋巴管瘤图像的分割结果

上述分割方法对淋巴管瘤边缘,即对淋巴管瘤的囊壁进行了分割。在治疗过程中囊壁位置的确定有很重要的意义,根据囊壁的位置可判断淋巴管瘤是否出现了诸如邻近组织的分界线不清晰、淋巴管瘤在组织间隙进