乳腺M(fèi)RI腫塊分割與三維重建算法研究.pdf

1、乳腺癌是目前女性疾病中的常見多發(fā)病，近年來乳腺癌的發(fā)病率和死亡率正持續(xù)上升。對乳腺癌患者進(jìn)行早期發(fā)現(xiàn)，積極治療，可以大大的降低死亡率。核磁共振成像（Magnetic Resonance Imaging，MRI）因其能清晰地分辨脂肪組織，肌肉組織和纖維組織，良好的顯示乳房結(jié)構(gòu)，已經(jīng)成為乳腺癌早期檢測，中期診斷和后期跟蹤治療的主要手段之一。乳腺腫塊是乳腺癌必有的癥狀，因此將乳腺M(fèi)RI二維斷層圖像進(jìn)行圖像分析，對感興趣區(qū)域（腫塊區(qū)域）的提取和

2、三維可視化顯示，可以幫助醫(yī)生對病變做出更準(zhǔn)確，深入的診斷，也為確定腫瘤的物理特性和治療方案提供更可靠的理論依據(jù)。
　　本文通過對常用醫(yī)學(xué)圖像分割方法的研究和比較，并結(jié)合乳腺M(fèi)RI腫塊序列圖的成像特點(diǎn)，將幾何活動輪廓模型作為研究重點(diǎn)。C-V（Chen-Vese）模型是基于全局的圖像區(qū)域信息進(jìn)行分割，對初始輪廓位置不敏感并具有較好的抗噪性。但是對于乳腺M(fèi)RI腫塊圖像具有明顯的不均勻性和模糊性，只能大致分割出目標(biāo)，對于細(xì)節(jié)的分割并不理想

3、。RSF（Region-Scalable Fitting）模型是基于可變區(qū)域擬合能量的變分模型，可以準(zhǔn)確的對邊界模糊的目標(biāo)進(jìn)行分割，但該模型對初始輪廓位置敏感，容易陷入局部最優(yōu)化。為此，本文利用乳腺M(fèi)RI序列圖中相鄰幾幀間圖像灰度分布類似，腫塊位置和形狀相近等幀間相關(guān)性，文中提出了一種基于幀間相關(guān)性的乳腺M(fèi)RI腫塊分割算法。采用初始輪廓迭代的方法，實(shí)現(xiàn)了對乳腺M(fèi)RI序列圖腫塊的自動分割。并引入最優(yōu)化的思想，將每幀圖像與其前后兩幀重疊面積

4、越大越優(yōu)作為依據(jù)，對多組參數(shù)下的分割結(jié)果進(jìn)行篩選，提高整個序列的分割精度。
　　由于面繪制具有繪制速度快，實(shí)時性強(qiáng)和交互性好等優(yōu)點(diǎn)，因此選擇將其作為乳腺M(fèi)RI腫塊三維重建的方法。針對傳統(tǒng)面繪制MC（Marching Cubes）算法存在著一些不足，本文提出了一種基于改進(jìn)MC算法的乳腺M(fèi)RI腫塊三維重建方法，包括提出了一種基于幀間相關(guān)性的等值面提取方法和一種基于加權(quán)的二次誤差度量（Quadric Error Metric，QEM）的