基于統(tǒng)計模型的胰腺分割算法的研究與實現(xiàn).pdf

1、胰腺是人體最重要器官之一，具有內(nèi)、外分泌功能，但也極易感染各種疾病。隨著數(shù)字醫(yī)療設備的進步和計算機圖像處理與模式識別技術(shù)的迅猛發(fā)展，計算機輔助診斷(CAD)成為現(xiàn)實。胰腺分割作為胰腺癌CAD的重要前提，其研究與發(fā)展意義重大。然而，胰腺的解剖結(jié)構(gòu)較為復雜，其形態(tài)、位置因人而異，同時由于噪聲、場偏移效應、局部體效應和組織運動的影響等因素對醫(yī)學圖像產(chǎn)生的干擾，使得胰腺分割的難度較大。因此快速、準確、有效的分割胰腺顯得十分重要。
　　傳統(tǒng)

2、的圖像分割方法往往僅從灰度信息考慮，而對形狀信息并未充分利用。針對此問題我們提出了基于概率圖譜和形態(tài)學的胰腺分割方法，即利用概率統(tǒng)計來對空間任意點進行判別是否屬于胰腺。概率圖譜的建立可以有效地利用位置信息去除無關(guān)組織對分割影響，通過形狀信息來對分割進行指導;受胰腺內(nèi)部血管、胰管等因素影響，使得分割產(chǎn)生空洞，對其使用形態(tài)學操作進行后處理，從而得到更為準確的分割結(jié)果。為了充分應用組織器官解剖位置、形狀等先驗知識，提出了基于統(tǒng)計模型和水平集結(jié)

3、合的胰腺分割方法。將統(tǒng)計形狀模型作為最合適形狀，與水平集演化產(chǎn)生的結(jié)果進行擬合，尋求最佳形狀。使得曲線演化受到梯度信息和形狀模型雙重影響，從而提高分割精度。此外，由于統(tǒng)計模型的約束，可以有效地解決弱邊緣及傳統(tǒng)算法存在的過分割和欠分割等問題，得到良好的分割結(jié)果。
　　為了驗證算法有效性，對本文方法進行了實驗驗證，實驗結(jié)果表明:基于概率圖譜和形態(tài)學的分割方法充分利用了形狀信息，從而提高圖像分割精度;基于統(tǒng)計模型和水平集結(jié)合的方法則成功