面向臨床應(yīng)用的腦部MR圖像分割算法研究.pdf

1、隨著各種化學(xué)用品的大范圍使用以及手機(jī)、電腦等具有輻射效應(yīng)的電器的普及，近年來人們罹患腦部疾病的幾率不斷增加。對此及時(shí)的診斷和定期的身體檢查具有重要意義。核磁共振成像技術(shù)(Magnetic Resonance Imaging，MRI)以其對軟組織的高對比度、高分辨率、多通道等優(yōu)勢在腦部疾病的檢測與診斷領(lǐng)域得到了廣泛應(yīng)用。面對需要處理的大量圖像信息，迫切需要輔助工具來幫助醫(yī)生完成繁重的任務(wù)，提高工作效率。因此，利用計(jì)算機(jī)進(jìn)行輔助檢測與診斷成

2、為現(xiàn)今的一個(gè)研究熱點(diǎn)。
　　本文對腦部MR圖像分割算法進(jìn)行了研究。首先介紹了研究課題的背景及意義，其次實(shí)現(xiàn)了基于閾值分割與形態(tài)學(xué)分析的腦部MR圖像顱骨及背景去除算法，并增加了閾值的自動(dòng)選擇與圓形度的檢測等環(huán)節(jié)以提高準(zhǔn)確率和實(shí)用性。對腦組織的分割算法進(jìn)行了分析與研究，改進(jìn)了強(qiáng)魯棒性模糊聚類算法，使其對脈沖噪聲和高斯噪聲都具有極強(qiáng)的魯棒性。實(shí)現(xiàn)并改進(jìn)了具有偏移場校正功能的聚類算法，可以自動(dòng)獲得聚類中心并能在算法結(jié)束后得到校正后圖像與偏

3、移場。兩種算法都可以抑制部分容積效應(yīng)的影響。提出了基于改進(jìn)模糊連接度的腦腫瘤自動(dòng)分割算法，該算法綜合聚類技術(shù)以及含有腦腫瘤的MR圖像的特點(diǎn)實(shí)現(xiàn)了種子點(diǎn)的自動(dòng)選擇。對模糊連接度算法進(jìn)行了討論，改進(jìn)了原始的親和度公式以使得分割結(jié)果更加精確。此外設(shè)計(jì)并實(shí)現(xiàn)了腦部圖像計(jì)算機(jī)輔助檢測平臺，為將來應(yīng)用于臨床的腦部疾病計(jì)算機(jī)輔助診斷（Computer Aided Diagnosis，CAD）系統(tǒng)提供了一定基礎(chǔ)。最后對全文進(jìn)行了總結(jié)，并指出了繼續(xù)研究的