论文部分内容阅读
随着医学影像技术的广泛应用,医学图像分析方法的研究也得到了越来越多的关注。稳定与准确的前列腺组织分割对异常组织病理结构分析,实现计算机早期辅助诊断,拟定治疗方案,完成手术执行及治疗效果跟踪等方面都具有重要意义。前列腺组织的解剖结构形状,位置以及大小会因不同的个体而有所不同,即使是同一个体的不同时期,这些组织的解剖信息也会存在一些差异。在磁共振图像中,会普遍存在着因成像装置与病人特异性共同作用而产生的偏移场现象,以及图像的低分辨率现象。由于场偏移效应、噪声、组织不规则运动、以及低分辨率的影响,不同组织器官间的成像边界较为模糊。因此,准确有效的前列腺组织自动或半自动分割仍是一项具有挑战性的任务。在此背景下本文开展了针对医学应用的图像增强方法与前列腺组织分割方法的研究,并取得了如下研究成果:研究了基于浅层神经网络的医学图像超分辨率重建算法、基于直方图统计分析的磁共振图像偏移场校正算法、结合形状先验与变分水平集的前列腺组织分割方法等。本文的主要研究内容如下:(1)针对医学图像中普遍存在的低分辨率问题,本文研究了一种基于浅层神经网络的超分辨率重建方法。基于通用的图像退化模型,利用浅层网络来实现端到端映射,获取高分辨率图像的评估。使用重建的高分辨率图像与原始高分辨率图像的均方差作为网络模型的监督函数,来保证训练网络的有效性。通过随机线性修正单元解决网络中过压缩问题。使用Nesterov’s加速梯度方法来加速耗散函数的收敛同时避免优化过程中的震荡。(2)为解决磁共振图像中因成像装置与病人特异性共同作用而产生的偏移场现象,本文提出基于统计直方图分析的偏移场调和逼近方法。基于广泛使用的磁共振图像模型,构造一个能量函数,从而将偏移场校正任务转化成能量函数的最小化问题。再通过把真实组织的物理特性表达到能量函数中,然后利用函数优化算法完成能量函数的最小化,从而实现偏移场的校正。(3)针对前列腺组织分割中的变化外形、不确定的位置以及弱边界问题。本文提出一种基于变分水平集模型的分层方案来实现组织分割。首先利用组织定位来实现背景简化,然后通过结合外形约束的水平集规划来实现组织的自动分割。前列腺组织的外形先验被用作水平集函数的约束段来保证分割外形的准确性。对比实验结果表明,该算法提升了分割的准确性,且鲁棒性较强。