基于配準的顱腦CT圖像分割的研究.pdf

1、高分辨率、大容量的醫(yī)學圖像數(shù)據(jù)為臨床診斷提供了有力的輔助工具，同時它也增加了讀片醫(yī)生的工作負擔。在此背景下，開展計算機輔助診斷的研究，已經成為了醫(yī)學圖像處理與分析領域的熱點和將來發(fā)展的主要方向。本文以顱腦CT圖像病變自動化檢出為研究目標，以顱腦CT圖像的配準和分割為研究切入點，對相關技術進行了深入研究，并且取得了一些成果，為實現(xiàn)顱腦病變自動化檢出做好前期準備。
　　 非剛性配準不僅是病變自動檢出的關鍵技術，也是統(tǒng)計圖譜創(chuàng)建的必要

2、步驟。其中Demons算法是一種在準確度評價中很優(yōu)秀的非剛性配準算法，但它是基于光流場小形變模型的配準算法，在大形變情況下不具有拓撲保持性，將它用于異體顱腦CT圖像配準時效果不理想。為此，本研究對它進行了改進。首先建立Demons算法目標能量函數(shù)，將形變場求解轉化為目標函數(shù)優(yōu)化問題；然后通過增加sKL距離作為正則項來優(yōu)化目標函數(shù)，消除了形變場的不適定性，并使形變場更加光滑。對高分辨率顱腦CT圖像的實驗結果表明，改進算法不僅能夠處理大形變

3、問題，還能在處理大形變時通過光滑的形變場得到精確的配準結果。
　　 在上述改進的配準算法基礎上，本文通過模仿人工分割過程，提出了一種基于配準的顱腦CT自動分割算法，其目標是將腦灰質、腦白質和腦脊液完整的分割出來。本算法首先采用中值濾波和模糊C-均值聚類對參考圖像進行預分割，再利用解剖知識對其進行手動修正，得到先驗的分割圖譜，以此圖譜指導后面的分割工作。分割算法實現(xiàn)過程如下，首先將待分割圖像向參考圖像配準，然后利用先驗圖譜對配準結