肺部CT圖像分割技術研究.pdf

1、肺癌是一種常見的肺部惡性腫瘤。近年來，隨著吸煙和各種環(huán)境因素的影響，世界各國尤其是工業(yè)發(fā)達國家，肺癌的發(fā)病率和死亡率均迅速上升，死于癌病的男性病人中肺癌已居首位。在對肺部疾病進行計算機輔助診斷研究時，肺部CT圖像的分割是最核心的步驟，是影響分析穩(wěn)定性、自動化、結果精確性的關鍵問題，其分割結果的好壞直接影響到后續(xù)的分析過程。
　　傳統(tǒng)的水平集分割方法在演化過程中，不得不周期性地對水平集函數(shù)進行重新初始化，反復的初始化不僅浪費時間，而

2、且使演化速度變慢。本文分析了距離保持水平集分割方法，該方法在傳統(tǒng)控制演化微分方程中加入了一項內(nèi)部能量項，用以調(diào)節(jié)演化過程中水平集函數(shù)與符號距離函數(shù)之間的偏差，這樣就有效地避免了傳統(tǒng)水平集函數(shù)周期性地初始化這一局限。通過具體的肺部CT圖像分割過程的演示，證明該方法在分割過程中能夠很好地提取肺部邊界。
　　分水嶺變換具有計算簡便、分割結果精確、分割速度快等優(yōu)點。這些優(yōu)點使得它在醫(yī)學圖像分割中得到了廣泛的應用。但是由于圖像中通常存在的噪

3、聲和局部不規(guī)則性，在對醫(yī)學圖像進行分割的過程中容易產(chǎn)生“過分割”現(xiàn)象，這給算法的廣泛應用造成了一定的障礙。本文在充分研究分水嶺算法的基礎上，分析了一種改進分水嶺算法——標記分水嶺算法。實驗結果表明，在肺部CT圖像分割過程中，該方法能夠很好地抑制“過分割”現(xiàn)象的產(chǎn)生，準確提取肺區(qū)邊緣。
　　本文最后提出的基于水平集和分水嶺相結合的輪廓檢測算法，有效地結合了兩種分割方法的優(yōu)點，既能準確地收斂于待檢測目標的邊界處，還能避免由于噪聲或圖像