论文部分内容阅读
乳腺肿瘤已成为女性健康的第一杀手,医学图像处理与分析在乳腺肿瘤的诊断治疗、优化治疗方案和评估治疗效果等方面扮演着极其重要的角色。医学图像配准和分割是医学图像处理与分析中的两种关键技术,在临床诊断、手术导航、解剖教学等各方面都有着广泛的应用。由于乳腺肿瘤存在病态多样性、复杂性等特性,导致医学图像分割和配准结果无法全面反映肿瘤的病变信息,严重影响了医生对乳腺肿瘤的诊断。因此,需要进一步优化现有的分割和配准算法。本文具体工作如下:(1)详细阐述了多模乳腺MRI肿瘤分割和配准的背景意义以及国内外研究现状;介绍了医学图像分割和配准的概念、分类、方法以及评价指标等。(2)在多模乳腺MRI肿瘤图像的配准中,针对SURF算法存在特征点偏少及图像配准精度不高等问题。加入Harris角点检测法来提取特征点,使用圆形区域范围内64维向量生成的特征描述符,进行欧氏距离匹配,来增强特征点的提取;利用PSO算法寻找全局最优解,使用互信息作为适应度函数增强目标函数的全局最优解,利用平均最值防止算法陷入早熟现象。结果表明,与SIFT算法、SURF算法相比,本文算法能够有效的增强特征点的提取且图像配准精度较高。(3)针对多模乳腺MRI肿瘤图像配准之后,存在配准图像弱边界匹配度不高,乳腺肿瘤块定位偏差等问题。将改进的边缘停止函数和能量惩罚项融入经典的CV模型中,以便加快曲线的演化速度。实验表明,与传统的CV模型、HLCV模型、GLDS模型、GLCV模相比,本文算法能够快速分割出完整的多模乳腺MRI肿瘤区域。(4)针对乳腺肿瘤边缘图像分割时存在混叠等问题,经典的CV模型分割时导致大量的冗余轮廓产生,以致多模乳腺MRI肿瘤图像无法分割出边缘区域、脂肪区域以及病灶区域的图像。本文采用多相水平集分割算法(MLS),用n-1个水平集函数将图像分割成互不重叠且互相独立的n个区域,将多模乳腺MRI肿瘤图像分成三个不同的区域图像。利用水平集算法的改进算法窄带水平集(NBLS)构建一个窄带区域。在进行曲线演化过程中,利用窄带区域进行迭代计算。本文提出将NBLS融入到MLS模型当中,有效减小MLS算法的复杂度,计算效率有所提高。仿真表明,与MLS模型相比,本文算法具有更高的精确度,分割得到的图像效果更好、快速有效地分割出乳腺肿瘤的不同区域。