隨著環(huán)境污染的加劇,現(xiàn)代生活方式的緊張,人類面臨醫(yī)學(xué)健康問題的挑戰(zhàn)越來越嚴(yán)峻。肺部疾病對人類的威脅已經(jīng)成為不可忽視的問題。以計算機為核心的醫(yī)學(xué)影像技術(shù)在醫(yī)學(xué)診斷中的可視化和定量化方面作出了巨大的貢獻,從CT數(shù)據(jù)中分割出肺部氣管樹對于肺部疾病的判斷與治療起著非常重要的作用。因此從CT圖片序列中準(zhǔn)確快速的分割出肺部氣管樹意義重大,是計算機輔助診斷（CAD）系統(tǒng)中必不可少的一部分,具有非常重要的研究價值。進行肺部氣管樹分割的難度在于對高階細小支氣管的分割。肺部氣管樹結(jié)構(gòu)本身具有復(fù)雜性,在成像中產(chǎn)生的噪聲,以及肺氣管病變等因素對分割工作干擾巨大。因此本文提出了一種基于T-prim樹與優(yōu)化分水嶺分割框架的肺部氣管樹分割方法,能夠快速準(zhǔn)確的分割出完整的肺部氣管樹,在整個過程中幾乎不會出現(xiàn)泄露誤分割等現(xiàn)象。本文算法的創(chuàng)新性表現(xiàn)在:（1）針對肺部CT圖片的偽影與噪音問題使用一種基于簡單曲面擬合的區(qū)域生長算法,大大優(yōu)化了算法的遍歷過程,提高了算法的魯棒性,大大的優(yōu)化了遍歷過程。（2）對分水嶺算法分割框架進行了優(yōu)化,在馬爾科夫隨機場的角度對優(yōu)化分割框架進行了進一步的修改,可用于從多個對象背景分割出特定的類... 

【文章來源】：湘潭大學(xué)湖南省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

區(qū)域集合圖像

圖 2.3 圖像 X 補集cX （第一行）對應(yīng)的圖像函數(shù)灰度曲線（第二 { L ,…… ，M}，其補集可以表示為：f( x,y)LMf(x,y)c= + 集則可以得到原始圖像，既 ffcc( )=。若 f 圖像為{0，…則cf = 圖像 f 符合如下關(guān)系：像取補碼，將得到與對集合 X 取補碼相同的結(jié)果。這樣就樣將圖像集合轉(zhuǎn)換為二進制圖像。1 操作在 f 補集的結(jié)果與2 操作在 f 上所獲得的結(jié)果相同對偶的。如下所示。 ∈=elsewhereifxyXfxy0,1,(,)(,)cc f f= f

圖 2.4 腐蝕操作 應(yīng)用于圖像（a），灰度曲線分布（b）行多次操作但對圖像沒有影響，既 f : ( ( (f))= (f)），則可以稱為圖像與集合 X 是很容易建立關(guān)系的，X 為所有灰度為 1 的像素定f(x,y)=1}。定義灰度圖像和集合之間的關(guān)系也需要用到這種思想每一個特定的灰度區(qū)間看作一個集合，既 F ( c)= {(x,y)|f(x,y)合 F 的堆棧，如圖 2.5 所示。

【參考文獻】：
期刊論文
[1]醫(yī)學(xué)影像處理與分析開發(fā)包MITK的設(shè)計與實現(xiàn)[J]. 趙明昌,田捷,薛健,朱珣,何暉光,呂科.  軟件學(xué)報. 2005(04)



本文編號：2941074