發(fā)布時(shí)間：2020-12-03 02:28

　　腦腫瘤是嚴(yán)重危及患者生命安全的疾病之一,腦部組織結(jié)構(gòu)復(fù)雜,給醫(yī)生的診斷治療帶來了很大的困難。磁共振成像(MRI)技術(shù)具有對(duì)人體沒有輻射影響、對(duì)結(jié)構(gòu)組織成像效果好且能實(shí)現(xiàn)任意方位斷層成像等優(yōu)點(diǎn),因此醫(yī)生常用MRI腦腫瘤圖像對(duì)腦腫瘤進(jìn)行分析處理。腦腫瘤圖像分割算法以及三維重建技術(shù)的研究有利于醫(yī)生直觀地觀察到腫瘤的形狀、大小等特征,對(duì)疾病診斷和手術(shù)治療具有非常重要的意義。本文采用基于稀疏表示理論的稀疏子空間聚類算法對(duì)多模態(tài)腦腫瘤圖像實(shí)現(xiàn)腫瘤分割,然后采用移動(dòng)立方體(MC)算法對(duì)分割后的腦腫瘤圖像進(jìn)行三維重建。本論文的主要研究?jī)?nèi)容如下:(1)單一模態(tài)腦腫瘤圖像對(duì)腦腫瘤難以全面描述。為了研究如何有效融合多模態(tài)腦腫瘤圖像的腫瘤信息,本文以稀疏子空間聚類算法為基礎(chǔ),分別從基于單一模態(tài)分割和基于多模態(tài)融合對(duì)多模態(tài)腦腫瘤圖像分割進(jìn)行分析研究。實(shí)驗(yàn)表明,對(duì)于二維多模態(tài)腦腫瘤圖像,基于差分操作的多模態(tài)腦腫瘤圖像分割方法在主觀評(píng)價(jià)和客觀評(píng)價(jià)方面都取得較好的分割結(jié)果。(2)不同特征對(duì)腫瘤分割結(jié)果的影響不同。為了更好地利用多模態(tài)腦腫瘤圖像信息,本文提出了基于特征區(qū)分的多模態(tài)腦腫瘤圖像分割方法。該方法由多模態(tài)腦腫瘤... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多模態(tài)腦腫瘤圖像

第 2 章 多模態(tài) MRI 腦腫瘤圖像分割代表著圖像上的像素點(diǎn)，圖上的每條邊代表著像素點(diǎn)在圖像的權(quán)重值代表著兩個(gè)節(jié)點(diǎn)屬于同一區(qū)域的可能性，最后根據(jù)，從而實(shí)現(xiàn)圖像分割�；�于梯度下降的分割方法，是一種利，首先給出一個(gè)初始的聚類，利用梯度下降的方法對(duì)上一次正，不斷迭代，直到滿足收斂條件。如圖 2-3 所示，給出了 割效果圖。a) N-cuts 分割結(jié)果 b) SLIC 分割結(jié)果

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文K個(gè)，由于聚類中心是均勻分布，故單個(gè)超像素的大小近似為N /K，則類中心的距離為 S N K 。（2）更新聚類中心（種子點(diǎn)）。為了避免聚類中心落在 ROI 輪廓邊界種子點(diǎn)的3 3的鄰域內(nèi)，選擇梯度值最小的點(diǎn)作為新的種子點(diǎn)。圖像梯算公式為2 2G ( x, y ) L( x 1, y ) L( x 1, y ) L( x, y 1) L( x, y 1)中： L ( x, y )是特征向量[l , a, b] 。（3）像素點(diǎn)打標(biāo)簽，即判斷種子點(diǎn)鄰域內(nèi)的像素點(diǎn)屬于哪一個(gè)聚類中IC 的搜索范圍為2 S 2S ，可以加速收斂速度，這點(diǎn)與 K-means 算法有很，圖 2-4 顯示了 SLIC 和 K-means 的搜索范圍。

【參考文獻(xiàn)】：
期刊論文
[1]基于對(duì)稱信息和主動(dòng)輪廓模型的腦腫瘤分割系統(tǒng)[J]. 李丹儀,李衛(wèi)鋒,廖慶敏.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(07)
[2]磁共振灌注成像的原理及其在腦腫瘤診斷與分級(jí)中的應(yīng)用[J]. 劉燦,高燕華,徐效文,喻罡.  中國(guó)醫(yī)學(xué)影像學(xué)雜志. 2012(12)
[3]腦多發(fā)膠質(zhì)瘤影像與病理對(duì)照研究[J]. 金晶,周義成.  中國(guó)醫(yī)學(xué)影像學(xué)雜志. 2012(02)

博士論文
[1]基于圖的醫(yī)學(xué)圖像分割方法研究[D]. 肖陽.南方醫(yī)科大學(xué) 2017
[2]基于模糊聚類及活動(dòng)輪廓模型的圖像分割技術(shù)研究[D]. 江曉亮.西南交通大學(xué) 2016
[3]基于醫(yī)學(xué)斷層圖像的網(wǎng)格生成技術(shù)研究[D]. 陳欣.國(guó)防科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]基于CT圖像集表面建模的數(shù)據(jù)處理技術(shù)研究[D]. 谷靜平.南京師范大學(xué) 2017
[2]基于MRI的腦腫瘤圖像分割研究[D]. 張朋.浙江理工大學(xué) 2017
[3]基于fMRI數(shù)據(jù)的腦功能網(wǎng)絡(luò)聚類研究[D]. 肖雋瑋.南京理工大學(xué) 2017
[4]基于顱部醫(yī)學(xué)圖像的三維重建技術(shù)研究[D]. 白耀中.哈爾濱工程大學(xué) 2016
[5]MRI腦室圖像分割與三維重建的REST Web服務(wù)設(shè)計(jì)與實(shí)現(xiàn)[D]. 趙建.河北師范大學(xué) 2016
[6]基于自由臂三維超聲成像的脊椎二維輪廓線表面重建[D]. 王江.云南大學(xué) 2016
[7]腦腫瘤圖像分割及三維重建方法研究[D]. 張?chǎng)?蘭州交通大學(xué) 2016
[8]基于激光掃描的工業(yè)機(jī)器人路徑識(shí)別與三維重建[D]. 王萌.河北工業(yè)大學(xué) 2015
[9]基于機(jī)器視覺的客流統(tǒng)計(jì)技術(shù)研究[D]. 李楠.哈爾濱工程大學(xué) 2015
[10]基于可信特征距離變換的模型匹配算法研究[D]. 岳妍.華中科技大學(xué) 2015



本文編號(hào)：2895841