论文部分内容阅读
MR(Magnetic Resonance)影像具有较高的分辨率和软组织对比度,被广泛的应用在脑部影像处理与分析中。MR脑影像分割是医学影像处理与分析中的一个重要环节,它是脑部疾病诊断、三维重建等其它脑部影像处理与分析的基础,并可以有效提高脑部疾病诊断和治疗的实时性和可靠性。本文首先对MR成像技术和MR脑影像的特点进行了概括介绍,同时对脑影像预处理和分割方法的类型进行了总结,在此基础上针对MR脑影像模糊的特点,本文设计并实现了分段线性灰度变换算法、SUSAN(Smith Univalue Segment Assimilating Nucleus)滤波算法和PM(Perona and Malik)滤波算法对MR脑影像进行预处理。实验表明,三种算法中PM算法和SUSAN算法能够在滤波的同时较好的保留目标边缘细节。为了准确测量脑的结构,本文重点研究和实现了基于BET(Brain Extraction Tool)的去颅骨算法和基于GVF Snake(梯度向量场活动轮廓模型)的脑室分割算法。BET是一种全自动的、高效的颅骨去除算法,但由于全自动的BET初始脑重心选择对于包含非头部脑组织(如带颈部数据)的MR影像不能准确完成去颅骨的任务,因此,本文设计实现了交互的初始脑重心选取的BET分割算法。针对质量不高的MR脑影像的脑室分割,本文采用SUSAN算法对脑影像进行滤波处理,然后采用GVF Snake算法进行左右脑室的分割,获取最终的分割结果。本文在Microsoft Visual Studio2005环境下对上述两种分割算法进行了实验,并集成到东软研究院医学影像处理平台中。实验结果表明两种分割算法能分别有效地完成相应的分割任务,实验结果获得临床医生的认可,在计算机辅助诊断中具有一定的应用价值。