CT圖像的腎臟組織分割及其病變檢測方法的研究.pdf

1、在醫(yī)學成像技術和計算機視覺領域不斷發(fā)展的研究背景下，醫(yī)學圖像處理與分析技術在現(xiàn)代醫(yī)療系統(tǒng)中的重要作用和地位越來越突出，已成為醫(yī)生臨床診斷、治療計劃擬定以及外科手術導航等的有效技術手段，對計算機輔助檢測與診斷系統(tǒng)的開發(fā)具有重要的應用價值和意義。作為圖像處理與分析技術的分支之一，醫(yī)學圖像分割一直是其中的關鍵和難點問題?？焖儆行У姆指罘椒軌蚋玫貫獒t(yī)生提供患者疾病診斷與治療的可靠性依據，從而提高醫(yī)療工作的效率和準確性。
　　考慮到醫(yī)學

2、圖像的成像特點和其臨床需求，本文在總結國內外研究成果的基礎上，以腎臟CT圖像為主要研究對象，對醫(yī)學圖像的分割算法和病變檢測方法等一系列相關的科學技術問題進行了深入的探討和研究，其創(chuàng)新點主要表現(xiàn)在如下幾個方面:
　　1.針對醫(yī)學圖像中腎臟組織的特點以及傳統(tǒng)C-V模型在灰度不均勻圖像分割中存在的缺陷，提出了一種改進C-V模型算法來分割腎臟CT圖像。該算法將圖像的全局和局部統(tǒng)計信息融合到C-V模型中，為判斷圖像內像素點的歸屬提供了更為可

3、靠的依據，從而有效地解決了CT圖像的灰度不均勻目標分割的問題。
　　2.根據CT序列圖像的腎臟組織特征，提出了一種基于圖割方法的自適應窄帶活動輪廓模型，能夠有效地定位和提取腎臟組織。通過融合上下文連續(xù)性和目標尺寸等信息特征，計算出適合能量函數演化的自適應窄帶寬度，然后以中間兩張切片為基準，將提出的模型依次應用于各層切片圖像的腎臟組織分割中?？紤]到測地活動輪廓模型的目標邊界性和C-V模型的區(qū)域性優(yōu)勢，能量函數采用兩者的綜合形式，并將

4、t-link對應的權值轉化為n-link，減少了網絡圖的邊界數量。由于算法在最優(yōu)的演化區(qū)域內進行，減少了自適應窄帶活動輪廓模型的運算范圍，從而保證了計算效率。
　　3.在上述自適應窄帶活動輪廓模型的基礎上提出了一種全自動的腎臟分割算法，彌補了交互算法在整個完成時間上的不足。將中間一張切片作為參考圖像，利用腎臟的皮質特征和C-V模型來自動化完成腎臟序列圖像的初始分割。通過相鄰切片圖像的形狀差異與層間距之間的經驗關系，模擬合適的窄帶寬