腦腫瘤是嚴重危及患者生命安全的疾病之一,腦部組織結構復雜,給醫生的診斷治療帶來了很大的困難。磁共振成像(MRI)技術具有對人體沒有輻射影響、對結構組織成像效果好且能實現任意方位斷層成像等優點,因此醫生常用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的研究有利于醫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腦腫瘤圖像實現腫瘤分割,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容如下:(1)單一模態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,分別從基于單一模態分割和基于多模態融合對多模態腦腫瘤圖像分割進行分析研究。實驗表明,對于二維多模態腦腫瘤圖像,基于差分操作的多模態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果。(2)不同特征對腫瘤分割結果的影響不同。為了更好地利用多模態腦腫瘤圖像信息,本文提出了基于特征區分的多模態腦腫瘤圖像分割方法。該方法由多模態腦腫瘤... 

【文章來源】：哈爾濱理工大學黑龍江省

【文章頁數】：74 頁

【學位級別】：碩士

【部分圖文】：

多模態腦腫瘤圖像

第 2 章 多模態 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重值代表著兩個節點屬于同一區域的可能性，最后根據，從而實現圖像分割。基于梯度下降的分割方法，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 分割結果 b) SLIC 分割結果

哈爾濱理工大學工學碩士學位論文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，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）像素點打標簽，即判斷種子點鄰域內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[J]. 李丹儀,李衛鋒,廖慶敏.  清華大學學報(自然科學版). 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用[J]. 劉燦,高燕華,徐效文,喻罡.  中國醫學影像學雜志. 2012(12)
[3]腦多發膠質瘤影像與病理對照研究[J]. 金晶,周義成.  中國醫學影像學雜志. 2012(02)

博士論文
[1]基于圖的醫學圖像分割方法研究[D]. 肖陽.南方醫科大學 2017
[2]基于模糊聚類及活動輪廓模型的圖像分割技術研究[D]. 江曉亮.西南交通大學 2016
[3]基于醫學斷層圖像的網格生成技術研究[D]. 陳欣.國防科學技術大學 2013

碩士論文
[1]基于CT圖像集表面建模的數據處理技術研究[D]. 谷靜平.南京師范大學 2017
[2]基于MRI的腦腫瘤圖像分割研究[D]. 張朋.浙江理工大學 2017
[3]基于fMRI數據的腦功能網絡聚類研究[D]. 肖雋瑋.南京理工大學 2017
[4]基于顱部醫學圖像的三維重建技術研究[D]. 白耀中.哈爾濱工程大學 2016
[5]MRI腦室圖像分割與三維重建的REST Web服務設計與實現[D]. 趙建.河北師范大學 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 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 2016
[8]基于激光掃描的工業機器人路徑識別與三維重建[D]. 王萌.河北工業大學 2015
[9]基于機器視覺的客流統計技術研究[D]. 李楠.哈爾濱工程大學 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 2015



本文編號：2895841