学位论文 > 优秀研究生学位论文题录展示

基于活动轮廓模型的人脑MRI结构像多层次分割方法研究

作　者: 郑罡
导　师: 王惠南
学　校: 南京航空航天大学
专　业: 精密仪器及机械
关键词: 二维aMRI 矢量量化aMRI 三维aMRI 活动轮廓模型背景填充技术塔式结构多目标分割多相水平集人机交互式分割
分类号: TP391.41
类　型: 博士论文
年　份: 2007年
下　载: 296次
引　用: 1次
阅　读: 论文下载

内容摘要

人脑MRI结构像(anatomical MRI, aMRI)能够以较高的空间分辩力反映脑部组织的解剖结构。在放射学与神经影像学研究领域,人脑aMRI数据分析的关键问题是如何精确地检测与测量各部分脑组织,可以归结为医学影像的多目标分割问题。该问题的解决对于计算机辅助诊断、组织容积定量分析、异常组织定位、解剖结构分析、外科手术规划与手术导航等具有重要的学术意义和临床应用价值。本文主要内容是:基于活动轮廓模型,提出了五种具有创新意义的塔式结构的多层次分割方法,解决了人脑二维aMRI、多信道融合的矢量量化aMRI以及三维aMRI数据的多目标分割问题。第一,针对二维aMRI数据,给出了构成塔式结构多目标分割的关键技术——背景填充技术,将该技术与活动轮廓模型中的Chan-Vese(C-V)模型相结合,提出了塔式多相水平集分割算法(简称:塔式多相C-V模型),解决了C-V模型在多目标分割以及复杂连接情况表示上的局限,适合分割目标中含有子目标的多目标图像。第二,为了减少塔式多相C-V模型得到的边缘与手工分割真值间的误差问题,提高aMRI分割的准确度,据可调填充色提出了背景填充技术的广义形式,并将该技术与C-V模型相结合,进一步提出了基于广义背景填充技术的塔式多相C-V模型,实现子目标边缘在一定范围内可调,即在少量人工干预实现人机交互式aMRI的多目标分割。第三,为解决aMRI中一些组织因驰豫时间较为接近而难以分离的问题,针对矢量量化图像提出了矢量量化塔式多相C-V模型。能够利用MRI不同的扫描序列以及不同影像仪器对于组织的不同敏感性,实现aMRI中驰豫时间较为接近的组织的有效分离。第四,利用水平集函数能够隐含表示轮廓曲面的特点,提出了基于体素的三维塔式多相C-V模型,实现三维体数据的多层次分割。第五,基于并行多相C-V模型和塔式多相C-V模型,提出了具有复杂分割树形结构的塔式并行多相C-V模型,能够结合两种多相分割模型的优点,实现复杂塔式多层次分割。实验结果表明,本文算法可以实现二维aMRI、矢量量化结构像以及三维aMRI的较精确的多目标分割,并且可以通过调节填充色实现少量人工干预下的交互式分割来进一步减小客观分割结果与主观分割结果间的误差,适合目标中含有子目标的医学影像的多目标分割要求。

全文目录

摘要  4-6
ABSTRACT  6-18
第一章绪论  18-28
  1.1 研究背景、对象、目的与意义  18-21
    1.1.1 研究背景——磁共振结构像数据及其成像原理  18-20
    1.1.2 研究对象、目的、临床意义及研究重点  20-21
  1.2 国内外技术现状分析  21-24
    1.2.1 自动分割模型  21-24
    1.2.2 人机交互式分割模型  24
  1.3 本文的技术路线  24-25
  1.4 本文的主要工作  25-28
第二章曲线的隐显式表示与活动轮廓模型  28-40
  2.1 引言  28
  2.2 曲线的显式与隐式表示  28-31
    2.2.1 参数化曲线  28-29
    2.2.2 水平集方法表示的隐曲线  29-31
  2.3 基于边缘与基于区域的活动轮廓模型  31-33
    2.3.1 基于边缘的活动轮廓模型  31-32
    2.3.2 基于区域的活动轮廓模型  32-33
  2.4 二相C-V 模型及其数值计算  33-37
    2.4.1 二相C-V 模型  33-35
    2.4.2 二相C-V 模型的数值计算  35-37
  2.5 实验结果及讨论  37-39
  2.6 本章小结  39-40
第三章基于C-V 模型的塔式多相水平集分割算法及其在AMRI 多目标分割上的应用  40-63
  3.1 引言  40
  3.2 塔式多相水平集分割算法  40-48
    3.2.1 多目标分割策略  40-41
    3.2.2 背景填充技术  41-43
    3.2.3 塔式多相C-V 模型  43-47
    3.2.4 塔式多相C-V 模型的多层次分割停止条件  47-48
  3.3 实验结果及讨论  48-62
    3.3.1 合成图像多层次分割实验  48-50
    3.3.2 MRI 的塔式多层次分割误差分析  50-56
    3.3.3 MRI 脑肿瘤检测  56-62
  3.4 本章小结  62-63
第四章基于二相C-V 模型和广义背景填充技术的塔式多相水平集分割算法  63-85
  4.1 引言  63-64
  4.2 基于二相C-V 模型和广义背景填充技术的塔式多相模型  64-67
    4.2.1 二相C-V 模型分割原理  64
    4.2.2 广义背景填充技术  64-67
  4.3 实验结果及讨论  67-84
    4.3.1 基于广义背景填充技术的合成图像多层次分割  67-72
    4.3.2 广义填充技术对MRI 多层次分割的影响及分割误差分析  72-80
    4.3.3 少量人工干预的人机交互式MRI 脑肿瘤分割  80-84
  4.4 本章小结  84-85
第五章矢量量化的塔式多相水平集分割算法  85-103
  5.1 引言  85-86
  5.2 矢量量化C-V 模型  86-87
  5.3 矢量量化塔式多相C-V 模型  87-91
    5.3.1 矢量量化塔式多相C-V 模型的基本模型  87-89
    5.3.2 矢量量化塔式多相C-V 模型的停止条件  89-90
    5.3.3 矢量量化塔式多相C-V 模型的广义模型  90-91
  5.4 实验结果及讨论  91-102
    5.4.1 三信道彩色合成图像多层次分割实验  91-94
    5.4.2 MRI-SPECT 双信道矢量量化图像多层次分割实验  94-97
    5.4.3 T_1 -T_2 加权双信道矢量量化MRI 多层次分割实验  97-100
    5.4.4 基于矢量量化塔式多相C-V 模型广义模型的肿瘤轮廓调节实验  100-102
  5.5 本章小结  102-103
第六章三维塔式多相C-V 模型  103-113
  6.1 引言  103
  6.2 三维C-V 模型  103-105
  6.3 三维塔式多相C-V 模型  105-106
  6.4 三维塔式多相C-V 模型的快速计算  106-108
  6.5 实验结果及讨论  108-112
    6.5.1 初始轮廓对三维塔式多相C-V 模型的影响  108-109
    6.5.2 三维塔式多相C-V 模型的分割误差分析  109-111
    6.5.3 三维脑肿瘤检测  111-112
  6.6 本章小结  112-113
第七章基于并行多相C-V 模型的塔式多相水平集分割算法  113-125
  7.1 引言  113
  7.2 并行多相C-V 模型  113-116
  7.3 塔式并行多相C-V 模型  116-119
  7.4 实验结果及讨论  119-124
  7.5 本章小节  124-125
第八章总结与展望  125-128
  8.1 全文总结  125-127
  8.2 研究展望  127-128
参考文献  128-136
致谢  136-137
在学期间的研究成果及发表的学术论文  137-138

基于活动轮廓模型的人脑MRI结构像多层次分割方法研究

内容摘要

全文目录

相似论文