颅内压测量对那些有严重头部损伤、脑缺血、蛛网膜下出血等的病人来说非常重要。目前颅内压检测主要采用有创检测,而有创检测易引起并发症,需要有效的无创检测方法出现。 颅内压检测可以发现颅脑疾病的前状态,提前预防疾病的发生,图像处理可以帮助医生在病人发病后准确定位病变位置,正确诊断治疗。 核磁共振成像是一种先进的医学成像技术,它可以提供有关人体软组织解剖结构丰富的信息。然而由于图像的数据量非常庞大,导致了处理、分析与解释的困难。图像分割是数字图像分析中的重要环节,在整个研究中起着承前启后的作用,它既是对所有图像预处理效果的一个检验,也是后续进行图像分析与解译的基础。 在本论文中,我们提出了一种新的无创检测颅内压的方法和一种多级图像分割算法。 首先,根据生理学及血液动力学知识提出了一种新的无创检测颅内压的数学模型,该模型既考虑了脑血液循环又考虑了脑脊液循环,还包括了主要的影响颅内压的生物力学参数,像脑脊液动力学参数、颅内阻力参数和脑血液动力学参数等,这与客观实际是相符的。在此模型的基础上列出状态方程,用MATLAB编程可得出方程的解。用SIMULINK对模型进行仿真,将仿真结果与以往试验记录比较发现,二者是一致的,同时发现颅内压与颈动脉压成某种相关性。这说明该模型是比较可靠的。这为临床无创检测颅内压提供了一种辅助手段。 其次,传统的图像滤波方法,在滤除噪声的同时,往往会使图像的边缘和细节受到损害。本文提出了一种基于模糊理论的平滑滤波算法,本方法既能有效地滤除图像中的噪声,又能很好地保持图像的细节及边缘,并且处理