醫(yī)學(xué)圖像的水平集分割方法研究.pdf

1、過去幾十年，醫(yī)學(xué)成像技術(shù)飛速發(fā)展，以此為基礎(chǔ)的醫(yī)學(xué)圖像研究成為熱點課題，而醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理、分析與理解的關(guān)鍵技術(shù)，是后續(xù)圖像配準(zhǔn)、蘭維重建、計算機輔助診斷等的前提條件，在醫(yī)學(xué)圖像研究方面具有重要的意義。迄今，研究者已經(jīng)提出了各種理論與方法用來解決圖像分割問題，其中水平集分割模型是較為理想的方法之一。該模型通過能量函數(shù)引入高層信息，符合人們視覺認知的一般過程?，F(xiàn)有的水平集分割方法根據(jù)能量函數(shù)構(gòu)造的不同大體上可以分為基于邊緣檢測的

2、模型和基于區(qū)域信息的模型兩類?；谶吘壍哪Ｐ屯ǔＪ褂靡粋€基于圖像梯度的邊緣檢測算子來驅(qū)動輪廓線向物體的邊界逼近，而基于區(qū)域的模型則主要利用圖像在區(qū)域內(nèi)特征的相似性來控制活動輪廓線的演化。然而，對于醫(yī)學(xué)圖像，它們還往往難以達到分割的具體要求。這是因為醫(yī)學(xué)影像的形成受到噪音、場偏移效應(yīng)、局部體效應(yīng)和組織運動等的影響，使醫(yī)學(xué)圖像有模糊、不均勻性等缺點。另外，人體的解剖組織結(jié)構(gòu)和形狀復(fù)雜，人與人之間又有相當(dāng)大的差別。
　　 由于醫(yī)學(xué)圖像

3、的復(fù)雜性和多樣性，目前仍然沒有找到一種通用的單一的方法可以適用于各種分割任務(wù)，而已有的醫(yī)學(xué)圖像分割方法，多是針對某個特定任務(wù)而言的，并且分割造成的誤差也較大。因此，人們常常將基于邊緣檢測的方法和基于區(qū)域信息的方法結(jié)合起來，研究綜合邊緣與區(qū)域的技術(shù)，這些方法往往比那些單獨的方法魯棒性和適用性更強。對于醫(yī)學(xué)圖像而言，應(yīng)該采取什么方式結(jié)合，怎樣結(jié)合才能充分發(fā)揮各自的優(yōu)勢，獲得較好的分割效果是我們課題研究的重點。
　　 基于此，本文提出

4、了一種動態(tài)結(jié)合邊緣檢測和區(qū)域信息的水平集能量模型，可以控制初始輪廓線向理想的醫(yī)學(xué)圖像邊界演化，而同時保證不在弱邊緣或離散邊緣處泄漏。另外，為了避免水平集函數(shù)的周期性重新初始化，引入了一個新的簡單的懲罰項設(shè)計，不但能消除遠離輪廓線區(qū)域的水平集函數(shù)的震蕩變化，還可以使水平集函數(shù)在演化的輪廓線窄帶區(qū)域內(nèi)趨近于一個符號距離函數(shù)。最后，實驗結(jié)果顯示，這種方法能精確地分割醫(yī)學(xué)圖像中指定的器官系統(tǒng)和組織結(jié)構(gòu)，特別是CT圖像中的腫瘤，獲得不錯的分割效果