论文部分内容阅读
弥散张量成像(Diffusion Tensor imaging DTI)是在弥散加权的基础上发展而来的新型成像技术,DTI可以提供其他成像方式所不能提供的独特信息,且具有非侵入和不需要造影剂等优点,是目前无创辨识活体脑白质微细结构的唯一技术。DTI成像可以进行脑组织在分子水平上的病变检测,以辅助临床诊断。由于某些疾病(如脑缺血、中风、老年痴呆及精神分裂等)的发病早期,脑组织部分会出现相应的水分子扩散异常,而常规核磁共振成像(Magnetic Resonance Imaging MRI)等设备难以检测到这种变化。因此,扩散张量成像后,对DTI数据中组织区域的提取与分割,再利用三维重建的方法对其进行绘制,这样可以为医学辅助诊疗提供更好的分析手段。本文主要做了以下研究:1.提出了改进的模糊C均值聚类算法(Fuzzy C-means FCM),模糊C均值聚类算法在初始聚类中心点的选取上为随机选取,由于最终的聚类结果对初始聚类中心点有一定的依赖性,为了避免随机的聚类中心点影响最终的聚类结果,本文提出了FCM与最大最小距离结合应用的算法,在经典的FCM基础上引入最大最小距离,通过实验数据集对改进后的模糊C均值聚类算法进行了有效的验证。实验结果证明,改进后的模糊C均值分割脑组织可以得到更光滑的边缘信息,错误分割区域减少,分割的准确性得到了提高。2.提出了自适应的均值漂移算法(Mean Shift MS),均值漂移算法的基本思路是搜索所给样本空间中样本点最密集的区域,沿着密度增大的方向漂移到局部密度最大值处。不同于其他聚类算法,漂移寻找局部最大值是不断迭代的过程,所以不需要先验知识。但是传统均值漂移算法的带宽为固定值,无法根据像素点的分布情况进行自动调整,本文提出了自适应的均值漂移算法,通过重新定义窗函数,结合像素的概率密度函数,使像素点不同的概率密度适用不同的带宽值,在图像分割中分割效果得到了改善。3.进行了胼胝体的三维绘制。三维重建是对医学图像分割更直观的体现,从三维的角度对分割的医学组织进行展示。面绘制作为一个重要的绘制算法,通过对处理的数据设置等值面,然后对等值面进行渲染。可视化类库(Visualization Toolkit VTK)作为一个开源的工具,为三维重建在手术仿真,模拟解剖,医学诊断等领域提供了重要的平台。本文通过结合三维可视化的流程对VTK中类库的层次结构进行了研究,并基于面绘制算法,利用VTK结合Visual Studio 2010开发平台实现了对脑胼胝体的三维绘制,实验结果取得了较好的三维呈现效果。