MRI腦腫瘤圖像分割及三維重建
發(fā)布時間：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)具有對人體沒有輻射影響、對結(jié)構(gòu)組織成像效果好且能實現(xiàn)任意方位斷層成像等優(yōu)點,因此醫(yī)生常用MRI腦腫瘤圖像對腦腫瘤進行分析處理。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多模態(tài)腦腫瘤圖像實現(xiàn)腫瘤分割,然后采用移動立方體(MC)算法對分割后的腦腫瘤圖像進行三維重建。本論文的主要研究內(nèi)容如下:(1)單一模態(tài)腦腫瘤圖像對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)融合對多模態(tài)腦腫瘤圖像分割進行分析研究。實驗表明,對于二維多模態(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價和客觀評價方面都取得較好的分割結(jié)果。(2)不同特征對腫瘤分割結(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，圖上的每條邊代表著像素點在圖像的權(quán)重值代表著兩個節(jié)點屬于同一區(qū)域的可能性，最后根據(jù)，從而實現(xiàn)圖像分割�；谔荻认陆档姆指罘椒�，是一種利，首先給出一個初始的聚類，利用梯度下降的方法對上一次正，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，由于聚類中心是均勻分布，故單個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）。為了避免聚類中心落在 ROI 輪廓邊界種子點的3 3的鄰域內(nèi)，選擇梯度值最小的點作為新的種子點。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）像素點打標(biāo)簽，即判斷種子點鄰域內(nèi)的像素點屬于哪一個聚類中IC 的搜索范圍為2 S 2S ，可以加速收斂速度，這點與 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】：
期刊論文
[1]基于對稱信息和主動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(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中的應(yīng)用[J]. 劉燦,高燕華,徐效文,喻罡. 中國醫(yī)學(xué)影像學(xué)雜志. 2012(12)
[3]腦多發(fā)膠質(zhì)瘤影像與病理對照研究[J]. 金晶,周義成. 中國醫(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)計與實現(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]. 張雯.蘭州交通大學(xué) 2016
[8]基于激光掃描的工業(yè)機器人路徑識別與三維重建[D]. 王萌.河北工業(yè)大學(xué) 2015
[9]基于機器視覺的客流統(tǒng)計技術(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：2895841
【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，圖上的每條邊代表著像素點在圖像的權(quán)重值代表著兩個節(jié)點屬于同一區(qū)域的可能性，最后根據(jù)，從而實現(xiàn)圖像分割�；谔荻认陆档姆指罘椒�，是一種利，首先給出一個初始的聚類，利用梯度下降的方法對上一次正，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，由于聚類中心是均勻分布，故單個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）。為了避免聚類中心落在 ROI 輪廓邊界種子點的3 3的鄰域內(nèi)，選擇梯度值最小的點作為新的種子點。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）像素點打標(biāo)簽，即判斷種子點鄰域內(nèi)的像素點屬于哪一個聚類中IC 的搜索范圍為2 S 2S ，可以加速收斂速度，這點與 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】：
期刊論文
[1]基于對稱信息和主動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(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中的應(yīng)用[J]. 劉燦,高燕華,徐效文,喻罡. 中國醫(yī)學(xué)影像學(xué)雜志. 2012(12)
[3]腦多發(fā)膠質(zhì)瘤影像與病理對照研究[J]. 金晶,周義成. 中國醫(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)計與實現(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]. 張雯.蘭州交通大學(xué) 2016
[8]基于激光掃描的工業(yè)機器人路徑識別與三維重建[D]. 王萌.河北工業(yè)大學(xué) 2015
[9]基于機器視覺的客流統(tǒng)計技術(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：2895841
本文鏈接：http://www.wukwdryxk.cn/linchuangyixuelunwen/2895841.html
最近更新
教材專著
