基于改進Ncut的醫(yī)學X線圖像分割方法研究.pdf

1、醫(yī)學圖像分割是醫(yī)學圖像高層分析和理解的基礎，在臨床醫(yī)療、手術計劃、醫(yī)學研究等領域都有著重要的研究價值和廣泛的應用前景。人體組織的個體差異以及成像技術的局限性使得醫(yī)學圖像往往具有邊緣模糊、噪聲較多、偽影等特點，導致醫(yī)學圖像分割問題成為圖像處理領域的一個難點?；趫D論的圖像分割方法近年來被越來越多地應用至醫(yī)學影像處理當中，其中Normalized Cut(Ncut)準則憑借其同時滿足類間差異程度和類內相似度最大的能力、嚴謹?shù)臄?shù)學求解方案吸引

2、了很多研究者的目光。本文在分析醫(yī)學圖像分割領域研究現(xiàn)狀的基礎上，重點分析基于圖論最優(yōu)割準則的圖像分割方法及其局限性，以乳腺X線圖像腫塊分割為目標，深入研究了基于Ncut的醫(yī)學X線圖像分割方法，并對醫(yī)學圖像的處理系統(tǒng)進行了設計。本文的主要工作及創(chuàng)新如下:
　　1.首先研究了基于圖論的圖像分割方法中圖像與圖之間的特征對應關系，其次對常用的圖最優(yōu)割準則進行了詳細介紹和對比分析。另外，從醫(yī)學圖像以及圖最優(yōu)割算法的特點出發(fā)，重點分析了基于N

3、cut的算法在醫(yī)學圖像分割領域的應用及發(fā)展過程中存在的不足，為后續(xù)分割方案的改進提供了方向。
　　2.針對Ncut算法噪聲敏感、計算量大、權值較為單一的缺點，提出了結合改進分水嶺和形狀控制的Ncut圖像分割方法(Shape-Controlled Ncut with AdvancedWatershed，AW-SNcut)，該方法對Ncut算法做出兩點改進: a）設計了改進的標記分水嶺算法作為醫(yī)學圖像預分割方法，能夠更好地標記出目標區(qū)

4、域且實現(xiàn)形態(tài)學結構元尺寸的自動選擇。將預分割結果中的區(qū)域作為Ncut算法的輸入，以區(qū)域替代像素點進行圖像分割，提高了Ncut算法的計算效率。b）設計了形狀控制Ncut算法，將待分割目標的形狀特征引入相似度矩陣，有效解決了傳統(tǒng)Ncut分割方法權值單一的問題。利用該方法對乳腺X線圖像庫進行腫塊分割測試，取得了較好的實驗結果，驗證了算法的有效性。
　　3.在研究基于Ncut的醫(yī)學X線圖像分割基礎上，本文對乳腺X線圖像腫塊處理系統(tǒng)進行了方