论文部分内容阅读
甲状腺结节是内分泌系统的常见多发病,其中恶性结节预示着甲状腺癌的出现。然而,甲状腺癌死亡率约占所有肿瘤死亡的0.2%,表明大多数甲状腺癌是可以治愈的。超声检查是目前普查和诊断甲状腺疾病最常用的方法,对于甲状腺癌的及早发现和治疗,并提高治愈率具有十分重大意义。为了解决医生阅片耗时且易造成误检漏检等问题,基于超声检查的计算机辅助诊断技术在临床上被广泛应用。本文主要针对甲状腺超声图像进行分割,以提高分割准确性和效率为目标。本文对几何活动轮廓模型进行研究,由于其基于曲线演化理论和水平集方法,采用隐式表达形式克服了参数化表达方式,且曲线演化过程是基于曲线自身的几何特征。其中,DRLSE模型采用变分水平集方法,距离正则项的加入避免了曲线演化过程的重新初始化问题,从而加快了曲线演化速度。而在CV模型中,图像被划分为两个区域,用平均灰度来区分目标和背景,当两区域平均灰度差最大时即完成分割任务。因此,CV模型是一种全局最优分割方法。首先,以基于边缘信息的DRLSE模型作为研究对象,针对DRLSE模型无法准确分割边缘模糊的甲状腺超声图像这一问题,本文提出改进边界停止函数的DRLSE分割模型。分析可知边界停止函数在曲线演化过程中起着关键作用,因此将图像全局信息引入到边界停止函数中,得到一个梯度和全局信息相结合的分割模型。仿真实验结果表明改进后的DRLSE模型不仅降低了初始位置的敏感性,且增强了对边缘模糊的甲状腺超声图像的边界检测定位能力。其次,以基于全局信息的CV模型作为研究对象,针对CV模型无法分割灰度分布不均匀的甲状腺超声图像这一问题,本文提出结合局部信息改进的CV分割模型。先利用局部拟合信息构造一种新的速度函数,由于核窗口的可控性可以使某像元严格依赖其近邻域像素灰度,极好地克服了灰度分布不均问题;然后将速度函数引入到CV模型的保真项中,避免了权重分配问题。仿真实验结果表明改进后的CV模型可以准确分割出灰度分布不均匀的甲状腺结节超声图像。最后,两改进模型进行对比,仿真实验结果表明改进后的CV模型的分割更好。不仅具有全局分割能力,而且可以提取结节内部钙化斑。同时,在分割精度和分割效率上也优于改进的DRLSE模型。