基于活動輪廓模型的超聲醫(yī)學(xué)圖像分割.pdf

1、超聲醫(yī)學(xué)成像因其無損傷、無痛苦、實時顯示、可反復(fù)進行、價格低廉、適合軟組織診斷等特點，是臨床診斷中重要的檢測手段。超聲醫(yī)學(xué)圖像分割是對超聲圖像進行分析的基本步驟，也是利用超聲圖像進行定性、定量分析的一個至關(guān)重要的環(huán)節(jié)。然而在超聲醫(yī)學(xué)圖像處理與分析中，對目標和病灶的識別、定位及定量分析還主要依賴圖像的手動分割。隨著超聲醫(yī)學(xué)成像在臨床應(yīng)用中越來越廣泛，需要利用計算機算法對解剖結(jié)構(gòu)或其他感興趣區(qū)域進行自動分割描述。分割的準確性對醫(yī)生判斷疾病的

2、真實情況并做出相應(yīng)的診斷計劃至關(guān)重要，在醫(yī)學(xué)超聲領(lǐng)域研究自動或半自動分割方法是非常重要的。 活動輪廓模型因其能夠?qū)⒏邔右曈X知識與低層圖像信息有機結(jié)合，近年來廣泛應(yīng)用于醫(yī)學(xué)圖像分割。本研究將活動輪廓模型應(yīng)用于超聲醫(yī)學(xué)圖像的分割，通過對傳統(tǒng)活動輪廓模型及其幾種主要的改進模型的分析，將模型的內(nèi)部能量和外部能量做出了以下改進：1、在模型的內(nèi)部能量中加入輪廓平均長度項的控制，從而避免輪廓中相鄰控制點在迭代過程中的互相匯聚，2、在模型的外部

3、能量中加入了梯度方向勢能，避免活動輪廓停留在錯誤的物體邊緣處，3、針對超聲圖像特有的speckle噪聲較大的特點，采用了基于圖像統(tǒng)計特征的區(qū)域能量作為模型的外部能量，使模型能量有效的避免speckle噪聲的干擾。同時，為使算法具有實用價值，采用速度較快的貪婪算法作為求解模型能量最小的算法，并提出區(qū)域能量在貪婪算法中的快速求解方法。最后，采用多分辨率優(yōu)化方法進一步提高模型的收斂速度。 實驗中分別采用了模擬圖像和超聲醫(yī)學(xué)圖像來驗證算

4、法的準確性與實用性，模擬圖像為添加不同程度高斯白噪聲的圖像(噪聲強度從10％到60％)，超聲圖像選用了乳腺腫瘤圖像和肝臟腫瘤圖像。將實驗結(jié)果與傳統(tǒng)經(jīng)典的活動輪廓模型以及著名的GVF模型的分割結(jié)果對比，本算法在噪聲強度較大的模擬圖像(噪聲強度>20％)和超聲醫(yī)學(xué)圖像中均取得了同人工分割近似的結(jié)果，而傳統(tǒng)活動輪廓模型和GvF模型受噪聲干擾較大，證明本算法有效地克服了圖像中噪聲對分割結(jié)果的影響；不同形狀和大小的初始輪廓的分割結(jié)果表明算法對于初