论文部分内容阅读
乳腺癌是女性最常见的恶性肿瘤之一,它对女性的身心健康和生活构成了威胁。乳腺癌的早期诊断和治疗有助于病人的生存率和生活质量进一步提高。磁共振成像(Magnetic Resonance Imaging,MRI)技术被认为具有高敏感性,对乳腺癌早期诊断和治疗具有极大的辅助作用。计算机辅助诊断技术(Computer-Aided Diagnosis,CAD)是一种可以帮助医师对医学影像进行筛查的新兴技术,大大减少了医师的工作量,提高了诊断的准确性和效率。医学图像分割,作为计算机辅助诊断系统的关键性步骤,其分割结果的准确程度,将给后续肿瘤区域良恶判断,特征分类以及三维重建可视化的效果造成很大的影响。本文主要针对乳腺MRI图像分割准确率较低,自适应分割效果不理想,不能正确分割起始和终止帧上的肿块等问题,依据乳腺MRI图像序列的特点,提出了一种基于序列图像帧间相关性的SLIC0超像素和改进C-V水平集相结合的三维乳腺MRI图像肿瘤自动分割方法。该算法在粗分割部分改进了SLIC的参数设置,使其更好的将MRI图像中的乳腺肿块与背景组织分离开来;在细分割部分结合改进的C-V水平集模型,更加快速准确地确定肿瘤轮廓;在二维分割过程中结合三维帧间相关信息,解决了起始帧和终止帧上肿瘤分割不理想的问题,为显示病灶的三维立体结构打下基础。本文算法的整个分割过程为全自动过程,适用于MRI图像的自动批量处理。在分割评价部分,将本文方法及三种对比方法应用于90例乳腺MRI序列图像,得到对应的分割结果。以医师手动分割的金标准廓为基准,本文方法得到的平均重叠率为87.84%,相比于C-V模型58.9%,超像素和水平集结合的76.36%,K均值的83.62%,有明显提升。实验结果表明,本文提出的方法的全自动分割结果对于乳腺肿瘤MRI图像,尤其是起始和终止帧图像,具有较高的分割精度。