论文部分内容阅读
磁共振成像(MRI,Magnetic Resonance Imaging)技术可以高质量地绘制人体内部组织结构的立体图像,现在被广泛的应用到临床医学中,尤其是脑瘤等脑组织病变的诊断。通过对脑瘤MR图像进行分割处理,从中提取感兴趣的部分(ROI,Region of Interest),有利于更好地制定治疗计划。因而,脑瘤MR图像的分割在医学和计算机视觉领域有着非常重要的理论研究意义和实际应用价值。医学图像分割算法基于有无监督分为:人工分割方法,自动分割方法,交互式分割方法。完全人工分割方法过于耗时耗力,而目前的极大多数自动分割方法满足不了临床应用要求的精度,所以人机结合的交互式分割方法是医学图像分割的主要研究方向。本文主要研究的就是基于图论的交互式图像分割算法Graph Cuts和GrabCut,分析了这类算法的优势,并在2D的MRI脑瘤切片图像上进行实验论证;另外,提出一种改进算法,基于结构轨迹(Structural Trajectories)约束,将GrabCut应用于3D的MRI脑瘤图像的分割中,该方法极大地减少用户的交互,提高了分割效率。本文具体工作内容如下:(1)分析了传统分割算法的原理,并将这些分割算法应用于数据集GBM(Glioblastoma multiforme)中脑瘤切片图像中,通过实验分析各种算法的性能和特点,这些算法应用于脑瘤切片图像中无法取得满足要求的分割结果。(2)结合图论(Graph Theory)的基础知识对多种基于图论的分割算法进行了比较分析。然后详细地描述了基于图论的交互式分割算法Graph Cuts和GrabCut。并将该算法应用于数据集中5个MRI脑瘤图像的所有切片中,计算出平均Jaccard分数,并与一些自动分割算法进行对比,验证其优势。(3)鉴于上述分割算法均应用于2D的MRI脑瘤切片图像中,提出了一种直接应用于3D脑瘤图像的交互式算法:在3D脑瘤图像中,选出最不对称的一帧切片并进行人工标记,其他切片将被结合结构轨迹约束的GrabCut算法迭代标记。并将改进的算法应用于GBM数据集中,求出Jaccard分数。实验表明:在降低很少分割精度的情况下,大大减少了用户的交互量,提高了分割效率。