论文部分内容阅读
医学图像分割是正常组织和病变组织的三维重建、结构分析、运动分析等后续操作的基础,分割的准确性对医生判断疾病的真实情况并做出正确的诊断至关重要。由于人体解剖结构的复杂性、组织器官的不规则性以及个体之间的差异性,加之成像质量受到多种因素的制约,使得医学图像的分割成为一个难点。MR图像中经常出现区域灰度的不一致性、伪影、弱边界、边界断裂等情形,用传统的方法分割图像效果并不理想。目前,人们在继续关注对医学图像进行自动分割的同时,对交互式分割方法的研究也成了医学图像分割的研究重点。Snake模型是近年来图像处理中用于目标提取的一种主流模型,它提供了一个非常灵活的综合使用各种约束机制的工具。本文分析了Snake模型的理论基础,详细阐述了其数学模型及数值实现方法,将其发展并应用于对脑部MR图像的交互式分割方法的研究中。针对传统Snake模型的缺点,本文提出了一种改进的基于贪婪算法的Snake模型。该模型增大了外能的吸引范围,减小了对初始轮廓的依赖,并提高了处理凹陷区域的能力。在此基础上,本文对梯度矢量流(Gradient Vector Flow, GVF)在Snake模型改进中的应用进行了分析,并针对在实际应用中所存在的问题,提出了基于Canny算子的边缘图的生成方法,同时将力场扩散方程中GVF的各分量分别归一化,并增加了外部约束能量,取得了良好的效果。针对断层图像之间具有连续性的特点,本文将单层图像的分割结果作为相邻层的初始轮廓,实现了多层序列图像的分割,得到较好的效果。对贪婪Snake模型的改进算法、GVF Snake模型及其改进算法在脑部MR图像分割方面的具体应用分别进行了讨论,对实验结果及参数选择进行了分析阐述。基于以上方法研究,本文结合Snake模型的特点,用C++语言设计并实现了一套快速、有效、可重复性好的交互式图像分割系统,在GDI+环境下采用Bezier曲线完成了对Snake初始轮廓的绘制和对模型的友好交互控制,并实现了对分割结果的局部交互修正,保证了分割结果的准确性。该系统不仅适用于脑部MR图像分割,也适用于其他医学图像(如CT,PET等)的分割,具有操作简易、精度高等特点,在医学图像分析中具有实用价值。