学位论文 > 优秀研究生学位论文题录展示

肺部病灶感兴趣区域分割算法研究

作　者: 李锐
导　师: 魏颖
学　校: 东北大学
专　业: 模式识别与智能系统
关键词: 计算机辅助诊断图像分割多尺度加权收敛指数模糊熵均值漂移改进马尔可夫随机场
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 30次
引　用: 0次
阅　读: 论文下载

内容摘要

肺癌已成为当今人类生命健康危害最大的恶性肿瘤之一。根据世界卫生组织(WHO)的报告,肺癌已经成为世界上死亡率最高的癌症。随着计算机技术的飞速发展,计算机辅助诊断(Computer-Aided Diagnosis, CAD)已经成为医学影像、诊断放射、计算机科学中重要的研究领域。目前医学影像学中很多CAD技术不断出现,并且获得快速发展。研究表明CAD对于提高诊断准确率、减少漏诊起到积极的作用。医生能够通过CAD系统进行医学图像评估、测量和及时的诊断。然而,肺部病灶感兴趣区域分割是肺部CAD系统的重要组成部分。本文分析了图像分割的基本方法。针对肺部病灶感兴趣区域(ROI)分割,研究了三种肺部ROI分割算法：(1)基于多尺度加权CI的二维最大模糊熵肺部ROI分割算法,该算法首先计算图像的多尺度加权CI, CI特征将与灰度构成二维的特征空间,然后利用二维最大模糊熵准则选取阈值进行分割；(2)基于Hessian矩阵的均值漂移聚类肺部ROI分割算法,该算法是基于Hessian矩阵圆点滤波结果确定ROI区域,并且把Hessian矩阵滤波特征与灰度和空间位置信息结合在一起,形成特征向量集,最后利用均值平移聚类算法对ROI特征向量集进行聚类；(3)基于改进马尔可夫随机场的肺部ROI分割算法,该算法首先根据贝叶斯定理将图像分割问题转化为最大后验概率(MAP)的求取问题,进而转化为能量函数最小问题。然后在基团势函数中引入灰度差异、距离及与分割类之间的相关程度等信息。最后采用迭代条件模型(ICM)算法求解。作为肺结节检测的重要环节,本文研究的ROI分割算法可以有效分割疑似病灶区域。每种算法都通过肺部CT图像进行实验,实验结果表明三种肺部ROI分割算法能够有效分割出结节区域,同时减少非结节区域,降低了假阳性率。

全文目录

摘要  5-6
Abstract  6-11
第1章绪论  11-17
  1.1 课题研究背景及意义  11-12
  1.2 国内外研究现状  12-13
  1.3 肺部CAD系统概述  13-15
    1.3.1 CAD系统简介  13-14
    1.3.2 肺部CAD系统结构  14
    1.3.3 肺部CAD系统的研究现状  14-15
  1.4 论文研究内容和组织结构  15-17
第2章图像分割方法概述  17-31
  2.1 基于阈值的分割方法  18-20
    2.1.1 直方图法  18
    2.1.2 大津法  18-20
    2.1.3 熵最大法  20
  2.2 基于边缘的分割方法  20-23
    2.2.1 基于一阶导数的边缘算子  20-22
    2.2.2 基于二阶导数的边缘算子  22
    2.2.3 基于最优方法的边缘算子  22-23
  2.3 基于区域的分割方法  23-25
    2.3.1 区域生长法  24-25
    2.3.2 分裂合并法  25
  2.4 基于特定理论的分割方法  25-30
    2.4.1 基于形态学的分割方法  26-27
    2.4.2 基于人工神经网络的分割方法  27
    2.4.3 基于小波理论的分割方法  27-29
    2.4.4 基于模糊理论的分割方法  29-30
  2.5 本章小结  30-31
第3章基于多尺度加权CI的二维最大模糊熵肺部ROI分割算法  31-45
  3.1 引言  31-32
  3.2 CI特征  32-35
    3.2.1 梯度  32-33
    3.2.2 收敛指数  33
    3.2.3 多尺度加权收敛指数  33-35
  3.3 基于多尺度加权CI的二维最大模糊熵ROI分割  35-39
    3.3.1 模糊熵理论  35-36
    3.3.2 一维最大模糊熵分割  36-37
    3.3.3 基于多尺度加权CI的二维最大模糊熵分割  37-39
  3.4 基于多尺度加权CI的二维最大模糊熵ROI分割算法流程  39-41
  3.5 实验结果与分析  41-44
  3.6 本章小结  44-45
第4章基于HESSIAN矩阵滤波的均值漂移聚类肺部ROI分割算法  45-59
  4.1 引言  45-46
  4.2 基于HESSIAN矩阵的点滤波  46-48
    4.2.1 HESSIAN矩阵及特征值  46-47
    4.2.2 点的多尺度滤波  47-48
  4.3 基于HESSIAN矩阵滤波的均值漂移聚类ROI分割  48-52
    4.3.1 均值漂移聚类方法及原理  48-50
    4.3.2 基于HESSIAN矩阵滤波的均值漂移聚类ROI分割  50-52
  4.4 基于HESSIAN矩阵滤波的均值漂移聚类ROI分割流程  52-54
  4.5 实验结果与分析  54-57
  4.6 本章小结  57-59
第5章基于改进马尔可夫随机场的肺部ROI分割算法  59-71
  5.1 引言  59-60
  5.2 马尔可夫随机场模型  60-63
    5.2.1 马尔可夫随机场  60-61
    5.2.2 马尔可夫随机场和吉布斯随机场的等效性  61-62
    5.2.3 基于马尔可夫随机场的图像分割  62-63
  5.3 基于改进马尔可夫随机场的ROI分割  63-68
    5.3.1 改进的马尔可夫随机场基团势函数  63-64
    5.3.2 马尔可夫随机场的能量模型  64-65
    5.3.3 参数估计  65-68
  5.4 基于改进马尔可夫随机场的ROI分割算法流程  68
  5.5 实验结果与分析  68-70
  5.6 本章小结  70-71
第6章总结与展望  71-73
参考文献  73-77
攻读硕士学位期间参加的科研项目、发表的论文  77-79
致谢  79

肺部病灶感兴趣区域分割算法研究

内容摘要

全文目录

相似论文