论文部分内容阅读
小儿脑瘫疾病的发病率越来越高,目前对小儿脑瘫疾病的计算机辅助诊断研究大多还处于理论的研究阶段。随着计算机技术的飞速发展,计算机辅助诊断方法已经成为医学影像、诊断放射、计算机科学中的重要研究领域。研究表明使用计算机辅助诊断的方法对于提高诊断准确率、减少漏诊起到了积极的作用。医生可以根据计算机测量结果进行医学影像的评估和诊断。利用计算机完成对小儿脑组织的分割以及病灶区域的提取是辅助诊断小儿脑瘫疾病的基础。本文分析了小儿脑瘫脑部图像相关的增强、分割方法,以及小儿脑瘫疾病病胼胝体病灶区域的提取分割。本文就如何提取相关脑组织区域进行了如下的实验分析:(1)研究了小儿MR脑部图像去噪增强的方法,本文以偏微分方程为依托,将基于结构张量的两种特征值修正算法,利用连续阈值巧妙的连接起来,综合利用了两种算法的各自优点进行去噪处理。(2)研究了小儿脑组织分割的算法,本文使用了基于EM算法改进的马尔可夫随机场模型,对小儿脑组织进行分割,并在此模型中引入了高斯核非参数估计等,减少了对脑图谱配准技术的依赖,实验表明了此算法的有效性。(3)研究了与脑瘫疾病相关的胼胝体病灶区域的提取分割算法。使用了改进的两种交互式分割算法-C rraphCut与rrowCut。首先将超级像素、非参数估计等引入GraphCut算法中,同时针对此算法的对模糊边界需要两次选择种子点这一繁琐的过程,引入GrowCut算法,并将模糊连接度以及区域约束信息添加到此算法中,取得了较好的分割效果,较传统的GrowCut算法在相似度系数DICE数值上提高了6-7个百分点。通过实验测试表明,本文提出的婴幼儿脑组织分割算法能够快速准确的分割脑组织,同时减少了对脑图谱配准的依赖。基于交互式的胼胝体结构分割提取算法,较传统的分割提取算法无论是在分割效率还是分割结果都有了较大的改进,具有实际应用价值。