火端文库
当前位置:首页 » 医学图像处理课程论文 » 正文

医学图像处理课程论文

2018-04-25 14:27:05

医学影像图像处理
医学影像图像处理医学图像处理课程论文

追求生课程(论文类)试题2 014 /2 015 学年第 1 学期 课程称号: 课程代码: 论文标题: 先生姓名: 专业﹑学号: 生物医学工程 医学图像处置与分析 19000024 基于区域生长法的脑实质联系学院: 医疗器械与食物学院课程(论文)成效: 课程(论文)评分依照(必填) :(1) (2) (3) (4) (5) 所采取算法的难易程度;30 分 编程所运用的工具;15 分 论文表达的规范性;15 分 试验数据的准确性;20 分 结论的牢靠性。

20 分任课教员签字:日期:年 月 日

课程(论文)标题:基于区域生长法的脑实质联系基于区域生长法的脑实质联系 Brain Parenchyma Segmentation Based on Method of Region Growing择要:医学图像联系是 CT 图像的三维重建等后续操作的基础,联系的准确性对大夫判 断至关严重。

针对基于区域生长的图像联系办法,简明讲解了办法原理,并运用 MATLAB 对有关结论停止了仿真验证,结果标明,这种基于区域生长法的图像联系方 法是准确且实在可行的。

要紧词:图像联系;区域生长;脑实质联系 Abstract: Medical image segmentation is the basis of 3D reconstruction for subsequent operation of CT images, the accuracy of segmentation is crucial for doctors to determine.According to the method of image segmentation based on region growing, briefly introduced the method principle, and the related conclusion is verified by simulation, using the MATLAB results show that, the image segmentation method based on region growing method is correct and feasible. Keywords: image segmentation; region growing; brain parenchyma segmentation1 引言医学图像联系是正常组织和病变组织的三维重建,定量分析等后续操作的基础 ,也 是临床医学运用的瓶颈。

联系的准确性对大夫推断疾病的真实状况并做出准确的诊断 方案至关严重。

医学图像常表现为对照度低,组织特征的可变性、不同软组织之间或软 组织与病灶之间边界的模糊性、 以及外形构造和微细构造(血管、 神经)散布的复杂性等, 因此给追求医学图像联系技术形成了极大的困难[1]。

近年来国际外投入了大批的人力、物力,普遍展开对医学图像联系技术的追求。

从国外报道的大批文献来看 ,绝大少数联系追求都集中在磁共振图像上 ,而其中大批的 追求基本上针对颅脑图像。

究其缘由,一方面是由于 MRI 比其它医学图像方式具有清楚的 优点,使得它在临床上越来越遭到欢迎,并慢慢占领了主导位置;另一方面,颅脑是人体的 一个严重器官,它拥有支配和操作人的任何一项思想运动的中枢神经系统,也是肿瘤、炎 症和多发性硬化症等疾病的好发部位。

颅脑是人体的一个严重器官,它拥有支配和操作人的任何一项思想运动的中枢神经 系统,也是肿瘤、炎症和多发性硬化症等疾病的好发部位。

但是,由于颅脑与人体的其它 器官不同,它是由颅骨、肌肉、血管、脑膜、脑白质、脑灰质和脑脊液等不同的组织组 成,这些组织相互交织在一齐。

由于大部分的脑构造是由这些组织的边界定义的,对这些

组织停止联系在对大脑停止定量外形学的分析方面是极端严重的。

准确的停止脑组织 联系是停止以下几个方面运用追求的前提条件[2][3]: (1) 探测妨碍脑实质的不同的病理条件。

(2) 放疗和治疗方案的制定。

(3) 外科手术方案的制定和仿真。

(4) 脑构造的 3D 可视化和定量测量。

(5) 追求人脑的发育和老化机理。

(6) 对大脑停止功用性追求。

因此,在临床上要完成对医学图像的定量测量和自动分析,首先就要处置图像的 联系成绩[4]。

2 图像联系简介图像联系(image segmentation) 是一种严重的图像技术, 它不只失掉人们的普遍重 视和追求, 在实践中也失掉大批的运用。

图像联系包括目的轮廓、阈值化、图像区分或 求差、目的检测、目的识别、目的跟踪等技术。

图像联系一定是把图像分红各具特征的区域并提取出感兴味目的的技术和进程。

这 里特征能够是象素的灰度、颜色、纹理等, 预先定义的目的能够对应单个区域也能够对 应多个区域。

图像联系是图像处置到图像分析的要紧步骤, 在图像工程中占领严重的位 置。

一方面, 它是 目的表达的基础, 对特征测量有严重的妨碍。

另一方面, 由于图像联系及其基于联系的 目的表达、 特征提取和参数测量等将原始图像转化为更笼统更紧凑的方式, 使得更高层 的图像分析和了解成为能够。

借助集合概念对图像联系给出如下较正式的定义: 令集合 R 代表整个图像区域, 对 R 的联系可看做将 R 分红 N 个满足以下五个条件 的非空子集(子区域)R1, R3, …, RN:① i 1 Ri  RN;②对全部的 i 和 j, i≠j, 有 Ri∩Rj≠∅; ③对 i=1,2,…,N, 有 P(Ri)=TRUE; ④对 i≠j, 有 P(Ri∪Rj)=FALSE; ⑤对 i=1,2,…,N, Ri 是衔接的区域。

其中 P(Ri)对全部在集合 Ri 中元素的法规谓词, ∅代表空集。

串行区域联系技术指采取串行处置的战略经过对目的区域的直截了当检测来完成图像 联系的技术, 它的特征是将整个处置进程分解为顺序的多个步骤逐次停止 , 对后继步 骤的处置要对前面已完成步骤的处置结果停止推断而确定。

那个地点的判定要依照一定的 准绳, 平常来说如 果准绳是基于图像灰度特性的, 则那个办法能够用于灰度图像联系。

基于区域的串行联系技术有两种差不多的方式 , 一是从单个象素开赴, 慢慢兼并以 构成所需的联系区域, 二是从整个图开赴, 分裂切割至所需求的联系区域, 第一种办法 的典型技术一定是区域生长法[5]。

3 区域生长法的原理区域生长的差不多思想是将具有相象性质的象素集合起来构成区域。

首先对每个需 要联系的区域找出一个种子象素作为生长的终点,接着将种子象素周围邻域中与种子有 相反或相象性质的象素(依照事前确定的生长或相象准绳来确定) 兼并到种子象素所在 的区域中。

而新的象素承袭做种子向周围生长, 直到再没有满足条件的象素能够包括进 来, 一个区域就生长而成了[6]。

如今给出一个区域生长的示例。

给出已知矩阵 A:,大写的 5 为种子, 从种子末尾向周围每个象素的值与种子值取 灰度差的万万值, 当万万值少于某个门限 T 时, 该象素便生长成为新的种子, 而且向 周围每个象素停止生长; 假设取门限 T=1, 则区域生长的结果为:,可见种子周围的灰度值为 4、5、6 的象素都被格外好地包进了生 长区域之中, 而到了边界处灰度值为 0、 1、2、 7 的象素都成为了边界, 右上角的 5 虽 然也能够成为种子, 但由于它周围的象素不含有一个种子 , 因此它也位于生长区域之外; 如今取门限 T=3, 新的区域生长结果为: 了一个区域, 这次的联系成效较好; 如今取门限, 这次整个左边都成 T=6, 生 长 结 果 为 :,整个矩阵都被分到一个区域中了。

由此可见门限选取是格外严重 的。

在实践运用区域生长法时需求处置三个成绩: 1.抉择或确定一组能准确代表所需区域的种子象素(选取种子); 2.确定在生出息程中能将相邻象素包括出去的准绳(确定门限); 3.确定让生出息程中止的条件或规章(中止条件) 应用迭代的办法从大到小增加是一种典型的办法, 它不只对 2- D 图像而且对 3-

D 图像也适用。

平常状况下能够选取图像中亮度最大的象素作为种子 , 或许借助生长 所用准责对每个象素停止相应的计算 , 假设计算结果展现聚类的状况则接近聚类重心 的象素能够作为种子象素。

下面的例子, 分析它的直方图可知灰度值为 1 和 5 的象素 最多且处于聚类的中心, 因此可各选一个具有聚类中心灰度值的象素作为种子。

生长准绳的选取不只依赖于详细成绩本身 , 也和所用图像数据种类有关 , 如黑色 图和灰度图。

平常的生出息程在停止到再没有满足生长条件的象素时中止, 为添加区域 生长的才干常需琢磨一些与尺寸、外形等图像和目的的全局性质有关的准绳。

区域生长的要紧是抉择合适的生长或相象准绳 , 大部分区域生长准绳会运用图像 的部分性质。

生长准绳能够依照不同原理制定, 而运用不同的生长准绳会妨碍区域生长 的进程。

常用的生长准绳和办法有三种, 即基于区域灰度差的、基于区域内灰度散布统 计性质的、基于区域外形的[7]。

3.1 种子像素的猎取种子像素的选取常要依照详细成绩的特征。

例如选用图中最亮的像素作为种子像 素等。

假设对详细成绩没有先验学咨询,则可应用生长所确定的准绳对每个像素停止相 应计算,假设计算结果展现聚类的特征则接近聚类中心的像素可作为种子像素。

3.2 基于区域灰度差的生长准绳在我们运用的区域生长办法中 , 操作的差不多单位是象素 , 基于区域灰度差的生长 准绳步骤如下[8]: 1.对图像停止逐行扫描, 找出尚无归属的象素; 2.以该象素为中心, 检验它相邻的象素, 立即邻域中的象素逐一与它比拟, 假设灰 度差小于事前确定的阈值, 则将它们兼并; 3.以新兼并的象素为中心, 再停止步骤 2 检测, 直到区域不能进一步扩张; 4.从头回到步骤 1, 承袭扫描直到不能发现没有归属的象素, 整个生出息程完毕。

区域生长法的平常流程如图 1 所示。