病灶提取 顱腦CT 紋理特征 小波變換 歸一化 中矢狀線(xiàn)論文

1、病灶提取論文：特定醫(yī)學(xué)影像中病灶的自動(dòng)提取研究【中文摘要】隨著計(jì)算機(jī)斷層掃描技術(shù)(CT)不斷的發(fā)展和更新?lián)Q代,CT圖像已經(jīng)成為腦部疾病診斷的重要工具。通過(guò)對(duì)CT顱腦影像的讀片和分析,影像學(xué)醫(yī)師可以根據(jù)臨床經(jīng)驗(yàn)和病人的病歷進(jìn)行定性診斷。然而,CT技術(shù)的廣泛應(yīng)用使CT圖像信息數(shù)據(jù)量越來(lái)越多,導(dǎo)致醫(yī)師讀片的工作量越來(lái)越大,而且由于人的主觀性影響導(dǎo)致診斷缺少客觀性,增大了出現(xiàn)誤診的風(fēng)險(xiǎn)。在此情況下,本文期望通過(guò)計(jì)算機(jī)輔助診斷(CAD)來(lái)解決部分問(wèn)題,其主要內(nèi)容為通過(guò)對(duì)病灶的自動(dòng)提取得到病變區(qū)域圖像及病變的醫(yī)學(xué)參數(shù)量化。本文分析了目前廣泛應(yīng)用的醫(yī)學(xué)圖像病灶提取算法,介紹了這些算法的特點(diǎn)和適用范圍。由于目

2、前多數(shù)病灶提取是在已知病灶的類(lèi)型或某些病灶特征之后進(jìn)行,所以還不是實(shí)際意義上的對(duì)未知病灶的自動(dòng)分割。本文基于左右腦半球存在相近對(duì)稱(chēng)性的先驗(yàn)知識(shí),通過(guò)對(duì)左右腦半球紋理特征差異的分析,實(shí)現(xiàn)真正意義上的對(duì)未知病灶的提取。首先,由于顱腦CT圖像在拍攝過(guò)程中病人頭部矢狀線(xiàn)會(huì)呈現(xiàn)不同的角度,因此,需要對(duì)顱腦CT圖像進(jìn)行中矢狀線(xiàn)提取,最終得到歸一化圖像。本文以互信息量作為測(cè)度,在顱腦左右半球搜索匹配點(diǎn),進(jìn)而確定中矢狀線(xiàn)的位置。本算法不僅提高了中矢狀線(xiàn)提取的精度,而且在左右腦半.【英文摘要】With the Computed Tomography(CT) continuously developing and

3、 upgrading, CT has become an important tool of the diagnosis for brain disease. Through the brain CT image to read and analyze, radiologist could make a qualitative diagnosis according to clinical experience and patients medical history. The extensive application of CT technology brings increasing n

4、umber of CT image data, so, diagnosiss workload is getting bigger and bigger. And humans subjective influence causes the difference of diagnosis, lac.【關(guān)鍵詞】病灶提取 顱腦CT 紋理特征 小波變換 歸一化 中矢狀線(xiàn)【英文關(guān)鍵詞】lesion extraction brain CT texture feature wavelet translation normalize MSL【目錄】特定醫(yī)學(xué)影像中病灶的自動(dòng)提取研究摘要5-6Abstract6

5、第1章 緒論9-151.1 引言91.2 顱腦CT圖像分割的研究現(xiàn)狀9-12 顱腦CT圖像分割算法簡(jiǎn)介10-11 顱腦CT病灶自動(dòng)提取的難點(diǎn)11-121.3 目前病灶提取研究的不足12-13 對(duì)已知病灶的提取12 對(duì)單一病灶的提取12-131.4 本文的主要研究工作131.5 論文的章節(jié)安排13-15第2章 顱腦CT的中矢狀線(xiàn)提取15-242.1 引言152.2 CT成像技術(shù)15-16 CT成像原理15 CT值與灰度值的異同15-16 顱腦CT圖像的構(gòu)成162.3 顱腦CT中矢狀線(xiàn)提取的意義及研究現(xiàn)狀16-182.4 基于互信息測(cè)度的顱腦CT中矢狀線(xiàn)的提取18-22 圖像預(yù)處理18-20 自動(dòng)

6、提取中心點(diǎn)以及旋轉(zhuǎn)角度20-21 對(duì)應(yīng)解剖點(diǎn)的提取21 區(qū)域的相似測(cè)度21-222.5 實(shí)驗(yàn)結(jié)果及分析22-232.6 本章小結(jié)23-24第3章 基于小波變換紋理特征的病灶提取24-383.1 引言243.2 紋理特征在醫(yī)學(xué)圖像中的研究現(xiàn)狀24-29 紋理特征提取算法簡(jiǎn)介24-27 算法評(píng)價(jià)27-293.3 紋理特征在醫(yī)學(xué)圖像中的應(yīng)用29-30 醫(yī)學(xué)圖像分割中的應(yīng)用29 CAD診斷系統(tǒng)中的應(yīng)用29-30 醫(yī)學(xué)圖像檢索中的應(yīng)用303.4 基于小波的紋理特征向量的提取30-34 離散小波變換30-31 紋理特征向量的構(gòu)成31-343.5 實(shí)驗(yàn)步驟及分析34-37 實(shí)驗(yàn)步驟34-36 實(shí)驗(yàn)結(jié)果分析36-373.6 本章小結(jié)37-38第4章 病灶的醫(yī)學(xué)參數(shù)量化38-444.1 引言384.2 定量分析在醫(yī)學(xué)領(lǐng)域的應(yīng)用及現(xiàn)狀38-41 病理學(xué)定量分析的應(yīng)用39 定量分析在病理學(xué)診斷中的研究現(xiàn)狀39-414.3 顱腦CT圖像中病灶的參數(shù)量化41-42 病灶面積41 病灶灰度值41-424.4 實(shí)驗(yàn)