学位论文 > 优秀研究生学位论文题录展示

脑磁共振图像的白质结构提取—分割算法及其评价

作　者: 周振宇
导　师: 韦钰；阮宗才
学　校: 东南大学
专　业: 生物医学工程
关键词: 分水岭算法小波变换水平集算法图像分割 MR图像等值面抽取图像分割与配准工具包可视化工具包
分类号: R318
类　型: 硕士论文
年　份: 2006年
下　载: 251次
引　用: 0次
阅　读: 论文下载

内容摘要

磁共振(MR)成像技术是一种有效的研究人脑的非侵害性途径。由于其自身的优势,MRI被越来越多的应用于医学、神经科学、心理学、认知科学等方面的研究。我们对临床采集的孤独障碍患儿的核磁共振大脑结构扫描数据进行了图像分割,有效提取了大脑的白质结构,为研究白质组织在该病患儿发育中的变化奠定了重要基础。本文主要针对大脑白质结构提取的问题,对医学图像分割方法从理论研究的角度,简单阐述各类分割算法,重点研究了基于分水岭算法和小波变换的分割算法,并将改进的基于小波变换的多分辨率阈值分割算法应用于临床数据,取得了较为满意的结果。我们提出了一种新的基于分水岭算法和小波变换的分割算法。基于分水岭算法,我们有效地去除MR图像中的脑壳部分,利用区域合并技术克服分水岭算法固有的过分割问题。我们利用形态学算法对图像求梯度作为分水岭算法的输入图像,在分水岭算法之后,根据灰度相似性或者通过参数的选择对分割的小区域进行合并,最终将图像中脑组织有效提取出来。实验证明,这种方法具有较理想的结果,并具有一定的鲁棒性。然后,在将二维离散小波变换应用于图像分解的基础上,分析了二维小波变换在大脑MR图像分割中的应用,并提出了一种新的基于小波变换的分割算法。该方法首先利用一个滑动窗口取出局部图像,对局部图像进行小波多尺度变换,从较大的尺度系数到较小的尺度系数逐步定位出局部图像的初步灰度阈值;滑动窗口以一定的规则遍历整幅图像,重复上述过程;最后利用最大隶属原则判断象素的灰质、白质和脑脊液的划分,提取白质结构。实验结果表明,该方法有较好的分割结果。我们对该算法应用于临床数据的分割结果与前人的算法分割结果进行了比较,说明了我们提出的算法更适合于临床采集的孤独障碍患儿大脑MR图像数据。作为对比,我们对功能磁共振图像分析软件SPM2中的灰质、白质分割算法进行了研究,在无法获得先验参数的条件下实现了该算法,但分割效果不明显;使用C语言,借助图像分割与配准工具包ITK实现阈值水平集算法。我们将改进的基于小波变换的多分辨率阈值分割算法和SPM2分割结果、水平集方法分割结果进行了对比,说明我们的新算法不仅分割效果好,而且比其它两种算法更适合于弥散张量成像数据。这种算法可以很好地应用在临床采集的孤独障碍儿童大脑MR图像白质结构提取和分析中。对于这些方法的分割结果,我们基于可视化工具包VTK采用传统的等值面抽取算法实现了白质结构的三维可视化,更加直观观察大脑白质结构提取的效果。在程序的编写开发过程中,系统中的部分成熟算法使用了医学图像处理领域比较先进流行的开发工具包:图像分割和配准开发包ITK和可视化开发包VTK。提高了代码的执行效率,可读性。标准开放库的使用也使得今后对于系统功能的扩充成为可能。

全文目录

摘要  4-5
Abstract  5-8
第一章绪论  8-11
  1.1 课题的背景及意义  8
  1.2 国内外目前的研究概况  8-9
  1.3 磁共振图像的特征参数  9-10
  1.4 本文的研究工作内容  10
  1.5 本文的组织结构  10-11
第二章医学图像分割方法  11-20
  2.1 图像分割定义  11-12
  2.2 分割方法的介绍  12-19
    2.2.1 阈值分割方法  12
    2.2.2 边缘检测和连接算法  12-13
      2.2.2.1 边缘检测  12-13
      2.2.2.2 边缘连接  13
    2.2.3 分类器算法  13-14
    2.2.4 聚类算法  14-15
    2.2.5 基于区域信息的算法  15-16
    2.2.6 统计学的分割算法  16-17
    2.2.7 多分辨率方法  17
    2.2.8 基于数学形态学的分割算法  17
    2.2.9 基于人工神经网络的分割算法  17
    2.2.10 图谱引导法  17-18
    2.2.11 可变形模型方法  18-19
  2.3 分割效果的评价  19
  2.4 本课题中分割结果的评判方法  19-20
第三章脑白质结构分割算法及实现  20-49
  3.1 基于基本分水岭算法的图像分割  20-30
    3.1.1 分水岭算法的基本概念  20-23
    3.1.2 基本分水岭算法  23-24
    3.1.3 基于灰度相似性的分水岭合并算法  24-28
      3.1.3.1 闭合分水岭线的形成  24-25
      3.1.3.2 图像的区域描述  25
      3.1.3.3 形态学滤波  25-27
      3.1.3.4 区域融合  27
      3.1.3.5 区域融合的灰度阈值选择准则  27-28
    3.1.4 实验算法及结果  28-29
    3.1.5 分水岭算法的其它应用  29-30
  3.2 基于小波变换的分割算法  30-41
    3.2.1 小波分析方法的引入  30-31
    3.2.2 小波分析方法的基本理论  31-36
      3.2.2.1 波与小波  31-32
      3.2.2.2 波变换与小波变换  32
      3.2.2.3 一维小波变换  32-35
        3.2.2.3.1 一维连续小波变换  32-33
        3.2.2.3.2 一维离散小波变换  33
        3.2.2.3.3 一维多分辨分析  33-35
      3.2.2.4 二维小波变换  35-36
        3.2.2.4.1 二维连续和离散小波变换  35
        3.2.2.4.2 二维多分辨分析  35-36
    3.2.3 二维离散小波变换在大脑MR图像分割中的应用  36-41
      3.2.3.1 基于小波变换的阈值分割算法  36-37
      3.2.3.2 分割算法实现  37-38
      3.2.3.3 改进的网格划分分割算法  38-39
      3.2.3.4 基于小波变换的多分辨率阈值分割算法  39-41
  3.3 水平集算法  41-46
    3.3.1 水平集方法的原理  41-43
    3.3.2 水平集方法的实现  43-45
    3.3.3 实验结果  45-46
  3.4 基于概率的分割算法  46-49
第四章分割算法的比较与评价  49-56
  4.1 分割算法的比较  49-51
  4.2 弥散张量成像  51
  4.3 白质结构可视化及比较  51-56
    4.3.1 白质结构重建与可视化  51-55
    4.3.2 白质结构重建的评价  55-56
第五章总结和展望  56-58
  5.1 工作总结  56
  5.2 后继工作  56-58
致谢  58-59
参考文献  59-63
硕士研究生期间发表论文  63

脑磁共振图像的白质结构提取—分割算法及其评价

内容摘要

全文目录

相似论文