学位论文 > 优秀研究生学位论文题录展示

基于ITK的MR脑组织图像分割方法的研究

作　者: 姜红
导　师: 张兆臣
学　校: 泰山医学院
专　业: 影像医学与核医学
关键词: ITK MR脑组织分割连续阈值区域生长 K-Means聚类
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 129次
引　用: 0次
阅　读: 论文下载

内容摘要

目的利用ITK对颅脑MR图像进行半自动及自动分割,并对分割所得的脑组织结构(白质、灰质、脑室)图像进行观察、研究,分析优缺点,为颅脑MR图像脑组织结构的三维显示及手术导航做准备。材料与方法利用ITK编程读取DICOM格式的MR脑图像,半自动分割采用连续阈值区域生长算法、自动分割采用K-Means聚类算法对41幅图像进行分割,得到白质、灰质、脑室等脑组织结构。结果连续阈值区域生长算法及K-Means聚类算法都很好的分割出了各部分脑组织结构。连续阈值区域生长算法综合分割速度慢,受不同层上不同脑组织像素间连通性的影响,将MR脑图像上的各脑组织结构分次单幅显示出来了,较K-Means对不包含脑室的图像进行4分类时的分割精度高、细节多。K-Means聚类算法分割的综合速度比区域生长分割方法分割的快,受初始聚类中心、聚类准则函数、相似度度量方法的影响,可以一次性将白质、灰质及脑室等结构在一幅图像上分割后显示出来,对包含脑室结构的图像进行五分类时的分割效果明显优于连续阈值区域生长的分割效果,而且这样一次性将各脑组织结构在一幅图像上分割出来的快速、高效的分割思想及模式是今后图像分割的方向。结论不同分割方法的优缺点、侧重点不一样,加上医学图像的各异性、复杂性、多模态性,以及图像分割的目的及要求的多样性、具体性、特殊性,使得具体问题需具体研究、分析。连续阈值区域生长算法及K-Means聚类算法的分割各有特点,都很好的分割出了各部分脑组织结构,可以据需要将它们应用于颅脑MR图像脑组织结构的三维显示及手术导航中。

全文目录

中文摘要  4-5
英文摘要  5-7
符号说明  7-8
前言  8-11
材料与方法  11-41
结果  41-65
讨论  65-67
结论  67-68
参考文献  68-74
附录  74-80
致谢  80-81
攻读硕士学位期间发表的学术论文  81

基于ITK的MR脑组织图像分割方法的研究

内容摘要

全文目录

相似论文