基于計算智能和數(shù)學(xué)形態(tài)學(xué)的肺部CT圖像分割方法研究.pdf

1、醫(yī)學(xué)圖像處理技術(shù)是將計算機圖形圖像學(xué)與醫(yī)學(xué)知識相結(jié)合的一個研究方向，它的最終目標是將醫(yī)學(xué)圖像進行數(shù)字化處理，使得醫(yī)生的視覺能夠清楚的感知圖像，從而分辨出病灶。醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理的首要步驟，是后續(xù)圖像識別與圖像理解的基礎(chǔ)。圖像分割是將圖像劃分為若干個不同的區(qū)域，并從這些區(qū)域中提取出感興趣的對象，如病灶作進一步研究，并使分割結(jié)果盡可能的接近解剖結(jié)構(gòu)，從而為臨床診斷和病理學(xué)研究提出可靠依據(jù)。然而，醫(yī)學(xué)圖像分割技術(shù)發(fā)展至今，仍存在各種問

2、題，其精確度和自動化程度還不能滿足實際的需要，所以對于醫(yī)學(xué)圖像分割方法的研究仍具有重要意義。
　　針對這些問題，本文提出了一種全新的分割算法框架，該算法采用兩個新穎的計算智能和數(shù)學(xué)形態(tài)學(xué)計算機制，具體應(yīng)用是群搜索優(yōu)化算法（Group Search Optimiser，簡稱GSO）和改進的標記控制分水嶺變換（Mark Controled Watershed Transformation,簡稱MCWT）相結(jié)合。該GSOMCWT算法框架

3、的主要思想是：先對圖像進行一系列的預(yù)處理，提取目標對象，然后對圖像進行連通域的標記，再使用改進的分水嶺變換算法對這個標記圖像進行初步提取目標對象實現(xiàn)分割，最后運用GSO優(yōu)化算法依據(jù)一定的適應(yīng)度函數(shù)對此結(jié)果進行反復(fù)優(yōu)化，會自動的得出更好的分割結(jié)果。
　　本文的算法應(yīng)用于最新的CT成像儀器，碳納米管（Carbon Nanotube,簡稱CNT）CT設(shè)備,通過具體的肺部CT圖像分割過程的演示，實現(xiàn)了對醫(yī)學(xué)圖像精確，魯棒的自動和半自動分割