基于圖的醫(yī)學圖像分割方法研究.pdf

1、分類號UDC密級編號角方霜糾博士學位論文基于圖的醫(yī)學圖像分割方法研究ResearchonGraph—basedMedicalImageSegmentationMethods導師姓名專業(yè)名稱培養(yǎng)類型論文提交日期肖陽周凌宏生物醫(yī)學工程刪8刪0M6㈣0㈣鷂㈣急黼Ⅵ博士學位論文基于圖的醫(yī)學圖像分割方法研究博士研究生：肖陽指導教師：周凌宏摘要近十多年來基于圖的交互式醫(yī)學圖像分割方法受到研究者越來越多的關(guān)注，該類方法在臨床應用中表現(xiàn)出以下幾種優(yōu)勢：

2、一是算法為用戶提供了直觀而且便捷的交互界面，在足夠的交互下可以得到任意的分割結(jié)果；二是無需訓練步驟或者先驗信息，針對各類圖像中的不同目標時體現(xiàn)出魯棒性；三是在自動化種子點檢測方法的輔助下，交互式算法可以轉(zhuǎn)化為全自動分割方法。在前人研究的基礎(chǔ)上，本文做出的創(chuàng)新與改進工作主要包括兩部分：首先提出了一種新型基于隨機游走模型的圖像分割方法，并將其應用于多模態(tài)核磁共振圖像中腦腫瘤的分割；其次提出了一種基于半監(jiān)督譜聚類的迭代式圖像分割方法，并將其應

3、用于數(shù)字乳腺斷層攝影圖像中腫瘤病灶的分割。腦腫瘤是一種比較常見且致死率較高的惡性腫瘤，核磁共振成像是針對該類腫瘤最常用的診斷技術(shù)。腦腫瘤的多模態(tài)核磁共振圖像分割是醫(yī)學圖像領(lǐng)域難點和熱點問題之一。本文針對多模態(tài)腦腫瘤核磁共振圖像的分割問題，提出了一種新的基于隨機游走模型的分割算法，將隨機游走模型拓展到特征空間，根據(jù)己標記種子點來計算特征空間中未標記點屬于前景或者背景的概率值，并將其做為下一步分割中使用到的預設(shè)標簽集。并且，為了使算法對初始