论文部分内容阅读
脑肿瘤是一种发病率和死亡率都较高的疾病,脑组织图像中病变区域的精确分割对后续的诊断与治疗十分关键。随着医学成像技术的进步和计算机水平的发展,计算机辅助诊断技术受到越来越多的关注。利用计算机对医学图像进行辅助分割,可以提高分割结果的精确度和医生的工作效率。本文根据脑肿瘤图像分割存在的问题和肿瘤形状特点,提出了一种基于Hough变换定位与改进遗传算法优化GVF Snake模型的脑肿瘤自动分割方法。主要工作如下:1、根据脑组织核磁共振成像(Magnetic Resonance Imaging,MRI)的特点,和后续脑肿瘤自动定位和分割的需要,采用各向异性滤波、边缘检测和颅骨剥离算法对脑组织MRI进行预处理。该过程可以去除颅骨、头皮、血管等非脑组织部分,提高肿瘤区域的灰度对比度,为后期将肿瘤区域从Hough变化检测出的多个弧形轮廓区域中提取出来奠定基础。2、利用肿瘤具有弧形轮廓的形状特点,采用Hough变换检测圆的方法,将预处理后的脑组织二值图像中具有弧形轮廓的所有区域检测出来,并根据脑肿瘤区域像素灰度值大的特点,利用灰度阈值处理将肿瘤区域从Hough变换检测出的所有弧形区域中提取出来,完成肿瘤的定位。再根据定位结果,确定初始轮廓,利用GVF Snake模型对肿瘤进行粗分割。实验结果表明,本文提出的肿瘤定位方法能够准确定位肿瘤区域,实现脑肿瘤的自动化分割,提高了医生的工作效率,避免了分割结果受人工操作主观性的影响。3、提出了一种基于线段的交叉和变异算子改进遗传算法,解决传统遗传算法以轮廓曲线的控制点作为编码对象时,在弱边界区域易出现控制点跳变的现象。针对GVF Snake模型对脑组织图像进行粗分割时易出现过分割或欠分割的现象,利用改进遗传算法的全局优化特性对GVF Snake模型的粗分割结果进行细化。实验结果表明,利用改进交叉和变异算子的遗传算法对GVF Snake模型的粗分割结果进行优化,在保持了分割曲线的平滑性情况下,解决了GVF Snake模型在粗分割时易陷入局部最优的问题,进一步提高了分割结果的精确度。