论文部分内容阅读
脑肿瘤是神经系统中常见的疾病之一,其性状不论良性或恶性,均会压迫脑部组织,对患者身体健康造成危害,甚至导致死亡。目前的治疗方法通常是通过脑部CT或MRI图像得到肿瘤特征并判断是否手术,而脑部医学图像的模糊性与粘连性导致人工分割难以得到准确的结果。因此,脑肿瘤图像分割方法的研究对于提高医学诊断准确性,减少医生工作量具有重要意义,但肿瘤的三维形象仍然依靠医生的想象。三维重建技术能够呈现肿瘤的形状、大小等立体特征,为医生提供更多的诊断依据。故对脑肿瘤图像的准确分割及三维重建方法的研究对于计算机辅助治疗有着重要的应用价值和实际意义。本文采用标记控制分水岭优化的C-V模型对脑肿瘤图像进行分割,然后通过面绘制中的移动立方体(Marching Cubes,MC)算法对分割后的肿瘤序列图像进行三维重建。论文的主要工作有以下几点:(1)为减少脑肿瘤CT/MRI图像边缘模糊对分割造成的不良影响,本文采用数学形态学方法对脑肿瘤CT/MRI图像进行预处理,通过开闭运算结合的非线性形态学组合滤波达到滤除噪声同时尽可能保持肿瘤的边缘特征的效果,加快分割速度,减少分割误差。(2)当脑肿瘤与周围组织粘连难以分清时,单独使用常用的分割方法分割出粘连部分较为困难,本文采用标记控制分水岭优化的C-V模型进行分割,将标记控制分水岭的分割结果作为改进的C-V模型的初始轮廓进行曲线演化,分割出肿瘤与组织粘连的部分,该方法不仅解决了C-V模型对初始轮廓敏感的问题,同时在C-V模型的能量函数中加入惩罚项,避免了不断重新初始化造成的耗时、计算量大等缺陷。(3)为了显示更详细的肿瘤信息,本文将分割出的序列肿瘤图像进行面绘制,采用移动立方体算法实现三维重建,显示出肿瘤的三维特征,为临床诊断提供更多依据。本文在MATLAB2014a平台上对临床脑肿瘤图像进行仿真实验,结果表明,本文方法对于常见脑肿瘤CT/MRI图像均有良好的分割效果,尤其对于与组织粘连的肿瘤有较好的分割效果,同时实现了对脑肿瘤的三维重建。