基于改進圖割算法的腦部mri分割技術研究

《基于改進圖割算法的腦部mri分割技術研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。

1、學校代碼１０如３Ｉ學號２０１３０３５０ｗ級公井＿￣ＵＤＣＩ禱屋＆畔扳《偉＞ＧＵＡＮＧＸＩＴＥＡＣＨＥＲＳＥＤＵＣＡＴＩＯＮＵＮＩＶＥＲＳＩＴＹ碩古學位論文基于改進困割算法的腦部ＭＲＩ分割技術研究ＴｈｅＢｒａｉｎＭＲ１Ｓ巧ｍｅｎ化ｔｉｏｎＴｅｃｈｎｏｌｏＲ的ｅａｒｃｈＢａｓｅｄｏｎｇｙＩｍｐｒｏｖｅｄＧｒａｐｈＣｕｔＡｌｇｏｒｉｔｈｍ學科專業(yè)：計算機科學與技術專業(yè)方向；大數(shù)據(jù)與數(shù)據(jù)挖捆二級學院：計算機與信息工程學院年級：２０１３級研究生

2、姓名；田換導師姓名及職稱；元昌安教授完成日期；２０１６年６月１廣西師范學院碩±學位論文（申請理學碩±學仿）基于改進圖割算法的腦部ＭＲＩ分割技術研究ＴｈｅＢｒａｉｎＭＲＩＳ巧ｍｅｎ化ｔｉｏｎＴｅｃｈｎｏｌｏＲｅｓｅａｒｃｈＢａｇｙｓｅｄｏｎＩｍｐｒｏｖｅｄＧｒａｐｈＣｕｔＡｌｏｒｉ化ｍｇＩ專業(yè)名稱；計算機科學與技術申請人姓名：田換；導師姓名及職稱＊：元昌安教授答辯委員會成￡（簽名）主席‘：委員：二〇—六＾六月．？廣西師范學院碩±

3、學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學位論文，是本人在導師的指導下，獨立進行研究工作所取得的成果。除文中己經注明引用的內容外，本論文不包含任何其他個人或集體己經發(fā)表或撰寫過的作品成果。對本文的研究作出重要貢獻的個人和集體，均已在文中Ｗ明確方式標明。本一人如違反上述聲明，愿意承擔由此引發(fā)的切責任和后果。學位論文作者簽名：巧寺若、簽字日期：興／《年《月Ｉ日學位論文使用授權說明本人完全了解學校關于保留、使用學位論文的各項規(guī)定，同意Ｗ下事項：１、學校有權保留并向有關部口送交本論文的復印件和

4、電子版，匯允許論文被查閱和借閑，可Ｗ采用影印、縮印或掃描等復制手段保存、編學位論文；２、本人授權廣西師范學院可將本論文的全部或部分內容編入有關數(shù)據(jù)庫供查閱、檢閱。ｉ保密□，在年解密后適用本授權書。３、本論文屬于不保密分＂＂（請在Ｌ乂上方框內打Ｖ）學位論文作者簽名：巧寺Ｉ；簽字日期６．１、導師簽名：簽字曰期：義）／《．女Ｉ摘要圖像分割在圖像學中是比較底層的技術，它為計算機視覺研究、深層次的圖像分析打下基礎。近年來，隨著醫(yī)療領域的不斷擴大和發(fā)展，各種各樣的醫(yī)療設備也不斷的出現(xiàn)，這為

5、臨床醫(yī)學提供了大量的影像數(shù)據(jù)，很多學者將計算機視覺和臨床醫(yī)學結合在一起，利用圖像分割工具來輔助醫(yī)生定量分析醫(yī)學影像，從而進行診斷和擬定完善診斷方案。其中大腦作為人體最主要的核心器官，很多精神疾病心理疾?。ň翊魷⒗夏臧V呆、多動癥及妄想癥等等）都和大腦內一些組織結構息息相關，因此，研發(fā)出一種能夠快速準確的提取這些組織結構的工具和技術顯得刻不容緩。在過去的幾十年里，圖割優(yōu)化技術因其易擴展，速度快，而受到廣大研究者的歡迎，將其應用于圖像分割領域。由于腦部MRI具有組織結構的復雜性，各組織之間的灰度的對比度不大，灰度分布也不勻等特殊性

6、，應用傳統(tǒng)的圖割算法進行分割可能出現(xiàn)邊界萎縮及局部最優(yōu)的情況，因此為了達到更好的分割腦部組織結構的目的，本文深入研究了圖割理論，在傳統(tǒng)圖割算法的基礎之上做出了一些改進。為了克服原始圖割算法在操作者選擇較少像素種子點的情況下，目標邊緣很容易發(fā)生錯誤分割這一現(xiàn)象，本文提出了基于k-means和圖割(GraphCutGC)算法相結合的KMGC算法，對腦部核磁共振成像（BrainNuclearMagneticResonanceImagingMRI）進行交互式操作，該算法通過k-means聚類，對腦部MR圖像的灰度分布不均勻作了處理，在此

7、基礎上，再使用圖割算法進一步對腦部MR圖像進行細化，從而達到有效地分割腦白質和腦灰質的目的。本文不僅對腦白質和腦灰質進行分割，還對腦灰質中深層核團-尾狀核組織進行了分割，但由于尾狀核在灰質中對比度很低，邊界模糊等特點，要想把它們從灰質中分割出來，僅利用圖像灰度信息是不夠的，因此本文提出了基于自適應模糊連接度和graphcut相結合的方法（adaptivefuzzyconnectednesscombinedwithgraphcutAFCGC）對尾狀核進行分割，并分別對本文第三章和第四章的算法和其他對比算法進行了定性和定量分析，驗證

8、了本文算法在分割結果優(yōu)于其他算法。本文所做的主要研究工作如下：1）對MR圖像的分割方法及對其評價方法進行了總結。2）對圖割技術進行了研究，并指出傳統(tǒng)圖割算法的不足及改進方法。3）提出并驗證了KMGC算法對大腦灰質和白質的有效分割。4）提出并驗證了AFCGC算法對