论文部分内容阅读
随着各种成像技术在医学中的广泛应用以及医学影像的计算机辅助诊断的不断发展，医学图像分割在医疗诊断和临床中起着重大的作用。由于CT医学影像在肺部、心脏、中枢神经系统、头颈部等组织器官临床中的广泛使用以及在医疗诊断方面具有重要诊断价值，因此CT医学影像分割算法在医学领域中受到广泛的关注，CT医学影像分割对医学图像处理与分析具有重要的作用。本文主要致力于肺部CT图像的分割算法的研究。由于医生在进行肺部疾病诊断之前，首先需要利用计算机辅助检测系统(CAD)对肺部实质部分进行自动分割，辅助他们对患者的肺部CT图像进行分析以及诊断，以提高诊断的效率，同时人体肺部组织的三维可视化操作以及图像引导肺部手术、肺部肿瘤的放射性治疗都是建立在准确的肺部CT图像分割的基础上，因此肺部CT图像分割算法的研究具有实用的临床价值。 作为医学图像分割，肺部CT图像分割算法必须达到运行速度快、分割精度高、轮廓线闭合性强，并且能够排除复杂背景的干扰等要求。本文主要对肺部CT图像分割算法进行了相关研究。首先详细地叙述了医学图像分割技术，主要包括图像分割的定义以及医学图像分割技术的分类，并详细地介绍了常用的图像分割方法。为了满足肺部CT图像分割的实时性，本文对肺部CT图像的预处理分割算法进行研究，提出了一种基于蝙蝠算法的OTSU分割算法(BA-OTSU)，将阈值分割算法与群体智能优化算法相结合，对传统的OTSU算法进行优化，同时提高了OTSU算法的运行速度，特别是在涉及多个图像的批处理操作。本文将经典OTSU图像分割算法、基于标准PSO算法的OTSU图像分割算法和本文提出的基于蝙蝠算法的OTSU分割算法应用于200幅肺部CT图像中，并将实验结果进行比较与评估。实验结果表明，在取得相同的分割效果的前提下，本文所提出的BA-OTSU算法满足了肺部CT图像分割的实时性，其运行时间相对于经典OTSU算法减少了37％，其效率也优于基于标准PSO算法的OTSU图像分割算法，因此表明本文算法对肺部CT图像预处理分割是有效的。 针对提取完整的肺实质区域的自动分割算法的研究，本文提出了一种结合阈值分割与分水岭算法的肺实质分割算法，利用本文提出算法对临床肺部CT图像进行实验测试，并对实验结果进行分析与评价。实验结果表明了该方法是一种有效的肺部实质分割方法，能够有效地解决了传统分水岭算法的过分割问题，同时能够得到具有较为完整轮廓的肺实质区域。本文将本文提出的基于BA-OTSU的分水岭肺部图像分割算法的实验结果与有经验的医生手动分割的结果进行比较，实验结果中的像素重叠率、欠分割率、过分割率和综合度量值表明本文算法有较好的肺部医学图像分割效能。