基于計算智能和數(shù)學形態(tài)學的肺部CT圖像分割方法研究.pdf

1、醫(yī)學圖像處理技術是將計算機圖形圖像學與醫(yī)學知識相結合的一個研究方向，它的最終目標是將醫(yī)學圖像進行數(shù)字化處理，使得醫(yī)生的視覺能夠清楚的感知圖像，從而分辨出病灶。醫(yī)學圖像分割是醫(yī)學圖像處理的首要步驟，是后續(xù)圖像識別與圖像理解的基礎。圖像分割是將圖像劃分為若干個不同的區(qū)域，并從這些區(qū)域中提取出感興趣的對象，如病灶作進一步研究，并使分割結果盡可能的接近解剖結構，從而為臨床診斷和病理學研究提出可靠依據(jù)。然而，醫(yī)學圖像分割技術發(fā)展至今，仍存在各種問

2、題，其精確度和自動化程度還不能滿足實際的需要，所以對于醫(yī)學圖像分割方法的研究仍具有重要意義。
　　針對這些問題，本文提出了一種全新的分割算法框架，該算法采用兩個新穎的計算智能和數(shù)學形態(tài)學計算機制，具體應用是群搜索優(yōu)化算法（Group Search Optimiser，簡稱GSO）和改進的標記控制分水嶺變換（Mark Controled Watershed Transformation,簡稱MCWT）相結合。該GSOMCWT算法框架

3、的主要思想是：先對圖像進行一系列的預處理，提取目標對象，然后對圖像進行連通域的標記，再使用改進的分水嶺變換算法對這個標記圖像進行初步提取目標對象實現(xiàn)分割，最后運用GSO優(yōu)化算法依據(jù)一定的適應度函數(shù)對此結果進行反復優(yōu)化，會自動的得出更好的分割結果。
　　本文的算法應用于最新的CT成像儀器，碳納米管（Carbon Nanotube,簡稱CNT）CT設備,通過具體的肺部CT圖像分割過程的演示，實現(xiàn)了對醫(yī)學圖像精確，魯棒的自動和半自動分割