基于医学图像的分割算法研究.docx

基于医学图像的分割算法研究.docx

《基于医学图像的分割算法研究.docx》由会员分享，可在线阅读，更多相关《基于医学图像的分割算法研究.docx（43页珍藏版）》请在冰豆网上搜索。

毕业论文（设计）

论文（设计）题目：

基于医学图像的分割算法研究

学院：

计算机科学与技术学院专业：

计算机科学与技术

目录

摘要 II

Abstract Ill

第一章绪论 1

1.1研究背景与意义 1

1.2国内外研究现状和发展趋势 1

1.3本文主要工作 2

1.4论文结构 3

第二章分割算法的研究分析 4

2.1图像分割算法综述 4

2.1.1图像分割概念 4

2.1.2图像分割算法 4

2.2肺部常用分割算法综述 9

2.2.1肺影像原理 9

2.2.2肺部常用分割算法 10

第三章论文辅导扣扣：

贰贰舞巴巴溜巴溜叁叁 11

3.1算法概述 11

3.2算法具体步骤 11

3.2. 1预处理 11

3.2. 2一维Otsu图像分割 13

3.2. 3数学形态学分割处理 16

3.2. 4较小连通区域的删除 20

3.2. 5小波变换与形态学修补 21

3.2. 6改进分割效果 23

3.3本章小结 24

第四章医学图像分割处理GUI窗口程序的设计与实现 25

4.1系统概述 25

4.2系统设计 25

4.3系统实现 26

4.4本章小结 35

第五章总结与展望 36

5.1总结 36

5.2展望 36

参考文献 37

致谢 38

基于医学图像的分割算法研究

摘要

现如今，伴随着医学技术逐渐进步，医学成像手段也在不断提高，医学图像在临床诊断、治疗、教学等各个方面发挥着越来越重要的作用。

然而由于成像部位复杂且对于不同个体表现个异性，医学图像的结果变得复杂多样化。

虽然研究人员已提出大量的算法，但医学图像分割方法仍存在较多的不足与瓶颈。

针对上述问题，本文首先研究现有的多种医学图像分割算法，对几种经典的图像分割算法进行详细分析，得出其优缺点。

接着分析肺部医学图像分割常用方法，对常用的Otsu算法和形态学相结合的肺实质分割算法进行改进，提出一个结合Otsu算法、形态学、小波变换的肺实质分割改进算法并实现。

经测试，该算法可以有效地分割成像清晰、边缘明晰的健康肺实质，以及通过修补后提高病变肺实质的分割效果。

并结合Qt与Opencv编程实现一个医学图像分割GUI窗口程序，该程序可以实现阈值分割、基于区域的分割、边缘探测分割以及对转换格式后的医学图像进行放大缩小、旋转、查看等功能。

关键词I：

医学图像分割，肺实质，Otsu,数学形态学，小波变换

ResearchonSegmentationAlgorithmBasedonMedical

Image

Abstract

Nowadays,withthegradualprogressofmedicaltechnology,medicalimagingmethodsarealsoevolving,medicalimagesplaymoreimportantroleindiagnosis,treatment,teachingandotheraspects.However,duetothecomplexityoftheimagingsiteandthedifferentperformanceofdifferentindividuals,theresultsofmedicalimagesbecomemorecomplexanddiverse.Althoughresearchershaveputforwardalargenumberofalgorithms,themedicalimagesegmentationmethodstillhasalotofshortcomingsandbottlenecks.

Toaddresstheproblemsabove,thispaperfirststudiesexistingmedicalimagesegmentationalgorithmsandanalyzesindetailseveralclassicalimagesegmentationalgorithms,figuringouttheiradvantagesanddisadvantages.Thenanalysesaremadeaboutthemethodsofmedicalimagesegmentationoflungparenchymasegmentationalgorithm,aimingtoimprovethecommonsegmentationalgorithmoflungparenchymawhichiscombinedwithOtsualgorithmandmorphology.Afterthis,anenhancedlungparenchymasegmentationalgorithmisproposedandfurtherrealized,whichintegratesOtsualgorithm,morphologyandwavelettransform.Aftertesting,thealgorithmcaneffectivelysegmentthehealthylungparenchymawithclearimageandclearedges,andintensifythesegmentationeffectoflungparenchymathroughrepairment.Furthermore,thealgorithmtogetherwithQtandOpencvprogrammingfulfilltherealizationofaGUIwindowsegmentationproceduresforofamedicalimage,whichboaststhefunctionssuchasthresholdsegmentation,segmentationbasedonregion,edgedetectionandsegmentationzoom,rotation,checkandotherstotheformat-convertedmedicalimage.

Keywords：

medicalimagesegmentation,lungparenchyma,Otsu,mathematicalmorphology,wavelettransform.

第一章绪论

1.1研究背景与意义

随着计算机科学技术和医学的高速发展，医学影像已经成为现代医学诊断时必不可少的一部分。

早在2009年，欧洲大型医院每天产生的医学数字图像数据就达到了100GB",如此庞大的医学图像数据能够给我们提供丰富的医疗经验、科研数据。

图像分割是图像处理中极其重要的技术，可以把图像中占据不同区域、具有不同特征的目标划分开来⑵。

它是进行视觉分析和模式识别的基本组成部分，一直都被人们所重视。

在临床上，影像检查是诊断疾病的重要手段。

因此如何更好地从影像检查的结果中挖掘和分析信息是具有重要意义的。

因为能提供丰富准确的器官组织、结构等方面的信息，为医师做出准确合理的诊治方案提供相应数据支持，医学图像的处理与分析变得日益重要⑶。

医学图像处理也因此逐渐发展成为一门集医学影像、计算机技术和数字图像处理为一体的交叉学科，基于医学图像的分割算法研究也成为医学图像处理领域的研究热点。

目前，中国肺癌的发病率和死亡率均居各种恶性肿瘤之首，自1996年上升为我国癌症患者的第一杀手后，肺癌死亡率每年以平均4.4%的速度攀升，每年约59.1万人死于肺癌，肺部疾病对居民的健康构成巨大的威胁⑷。

当前，CT成像是医学影像技术中检查肺部疾病最好的影像学手段，医生观察肺部CT影像，若提前发现肺部疑似问题，及早采取措施可以有效减少或抑制肺癌发生的几率。

但是由于我国特殊国情人口众多，诊疗需多方位的图像观察，所以医生每天审阅医学图像的压力大，容易使漏诊和不确定性检查经常发生。

为降低相关人员的工作负担、提高工作效率，更快、更好地检查出肺部疾病，从肺部CT图像中准确分割出肺实质，实现肺部CT图像计算机辅助诊断，对临床肺部疾病的诊断意义重大汽

总的来说，对于医学图像分割的研究是极具有科学意义与社会意义的。

其中对肺实质分割的研究改进更将促进医学图像分割方法的发展。

1.2国内外研究现状和发展趋势

经过多年来的研究探索，目前医学图像分割的基本方法多种多样且许多算法效果都很好，如基于统计学、神经网络、小波等理论实现的分割算法。

为了更好地提升分割效果，许多分割校正算法也纷纷被提出，如纠正部分容积效应产生的伪影，灰度均匀性校正，凸包边缘校正等⑹。

通过对目前最好的医学影像文献的进行定量调查，结果表明近年来，在最具影响力的医学期刊和学术会议上发表的文章中有40%提出了图像分割或配准的方法％将人工智能的方法应用于医学图像分割算法也是当前较受关注的技术，其发表论文数量也一直保持在中等水平。

鉴于医学图像分割的重要性，许多基于医学图像分割技术的深层次研究，如医学图像检索、医学图像识别也渐渐得到广泛关注和大力研究。

以医学图像检索方法国际竞赛ImageCLEFMed竞赛为例，参与的研究组在10多年间增加了数倍以上，参与的人员也纷纷来自世界各国⑻。

2017年Kaggle组织的数据科学碗（DataScienceBowl）肺癌检测竞赛，提供了60GB以上的CT数据，总共100万美金的奖金，让参赛者们根据肺癌患者的胸部CT扫描数据来检测肺癌。

现如今在国内外随着深度学习在图像领域应用的增加，当前的热门话题是如何较好的利用未标记的图像数据进行半监督学习以及如何使用深度学习提高分割与识别的准确性。

1.3本文主要工作

在深入研究现有的经典医学图像分割算法与常用肺实质分割算法的基础上，提出并实现一个结合Otsu算法、形态学与小波变换算法的肺实质分割算法，设计一个可以使用多种经典算法处理多种常用图像格式的医学图像分割窗口程序。

本文主要完成以下工作：

（1）深入学习经典的图像分割算法，理解其原理、熟悉经典分割算法所对应的应用场景；

（2）编程实现几种经典图像分割算法，并对其各自的优缺点进行总结分析；

（3）学习并掌握常用的肺实质分割算法并进行对比；

（4）提出一个结合Otsu算法、形态学、小波变换等多种算法的肺实质分割算法；

（5）结合本文所提出的肺实质分割算法，设计一个可以使用多种经典算法处理常用图像格式的医学图像分割窗口程序。

完成系统设计与实现。

1.4论文结构

论文的组织结构如下：

第一章：

绪论，阐述研究背景，介绍医学图像分割的研究现状以及论文安排。

第二章：

详细介绍图像处理中的基本分割算法与肺部常用医学图像分割算法。

详细阐述多种常见分割算法的原理及应用，并对比它们的优缺点。

第三章：

提出一个结合Otsu算法、形态学、小波变换等多种算法的肺实质分割算法。

第四章：

设计医学图像分割处理GUI窗口程序，完成对所需功能的具体实现。

第五章：

总结全文，指出现有研究的不足并阐述今后研究的工作方向和计划。

第二章分割算法的研究分析

2.1图像分割算法综述

2.1.1图像分割概念

图像分割是指将一幅图像分解为子区域内具有相似性质且不重叠的区域⑵。

通过分割，把目标和背景分开，以便对目标进行