论文部分内容阅读
随着科学技术的进步,人们已经能够通过各种先进的医学仪器,获得大量高清晰的医学影像。而CT图像以其分辨率高、成本小、技术成熟等优点成为检查和病理研究的主要手段。然而,CT图像具有信息量大的特点且常常伴有噪声信息,对医生的个人经验依赖性较大。为了对组织器官以及病灶区域作出直观定量地测量、提高CT图像的可读性。对采集的医学CT图像进行计算机辅助处理具有十分重要的意义。图像分割是图像处理中的重要研究方向,在医学图像处理中扮演着重要角色。以往人们常常将DICOM文件的图像信息提取出来,变换成位图文件再进行进一步的图像处理工作。但是这个变化过程有着十分明显的缺点,我们从CT仪器中获得的DICOM影像的像素点是用十二或者十六位的二进制信息表示的,灰度值从-1000到3000之间。而BMP格式图像的灰度值只用了八位二进制数来显示。因此在这个变换过程会丢失图像的大量信息。本论文以DICOM格式的颅脑CT图像为研究对象,首先简要介绍了脑出血的病因以及临床表现。随后介绍了CT仪器的工作原理和CT图像的基本格式,这包括CT图像的获取、CT断层扫描的类型、DICOM格式医学图像的读取以及图像的显示方法。在本文的第三章里,首先简要介绍了像素、邻域、灰度值等图像分割的一些基本概念。随后重点介绍了当前图像分割的主要算法和发展趋势。最后重点介绍了标准FCM及其改进算法的原理和推导过程,引出本文的算法。本文分为两个步骤对图像进行分割处理。为消除颅骨及颅外部分信息的干扰,本文首先采用阈值和线性扫描相结合的方式对图像进行预分割。得到完整的颅内部分。第二个步骤采用改进的FCM算法对图像进行细分割,提取颅内部分。在这一步中,为提高算法的抗噪性同时保持算法的运行效率,本文在FCM目标函数中添加了顾及邻域信息的惩罚项和控制模板。与以往的算法相比,改进后的算法在抗噪性和运行速度方面都有了明显的改善。最后本文采用二次聚类的方法对分割后的图像进行病灶信息的提取、测量,得到每层CT图像中病灶的面积,进而求出整个病灶的体积。