醫(yī)學(xué)圖像分割介紹說明教學(xué)課件

1、醫(yī)學(xué)圖像分割介紹許向陽華中科技大學(xué)醫(yī)學(xué)圖像信息研究中心討論內(nèi)容分割概念分割方法的分類閾值分割區(qū)域生長分割交互式分割 Live wire分割 形變模型的分割 模糊連接度的分割 基于代理機(jī)模型的分割分割的概念將不同區(qū)域區(qū)分開來，這些區(qū)域是互不相交的，每一個(gè)區(qū)域都滿足特定區(qū)域的一致性。其分割的目的是為了將感興趣區(qū)域提取出來，從而為定量、定性分析提供基礎(chǔ)，同時(shí)它也是三維可視化的基礎(chǔ)。醫(yī)學(xué)圖像特點(diǎn)糊特、點(diǎn)不：均勻、個(gè)體差異、復(fù)雜多樣灰度不均勻: 不均勻的組織器官、磁場等偽影和噪聲: 成像設(shè)備局限性、組織的蠕動(dòng)邊緣模糊 : 局部體效應(yīng)組織邊緣不明確: 病變組織病變醫(yī)學(xué)圖像分割醫(yī)學(xué)圖像分割方法的公共特點(diǎn)：分

2、割算法面向具體的分割任務(wù)，沒有通用的方法更加重視多種分割算法的有效結(jié)合需要利用醫(yī)學(xué)中的大量領(lǐng)域知識交互式分割方法受到日益重視 醫(yī)學(xué)圖像分割是一項(xiàng)十分困難的任務(wù)，至今仍然沒有獲得圓滿的解決。圖像分割方法的分類 基于區(qū)域的分割方法 基于邊緣的分割方法 結(jié)合區(qū)域與邊界信息的方法 圖譜引導(dǎo)（Atlas-guided）方法 基于模糊集理論的方法 基于神經(jīng)網(wǎng)絡(luò)的方法 基于數(shù)學(xué)形態(tài)學(xué)的方法醫(yī)學(xué)圖像分割基于區(qū)域 利用區(qū)域之間相似度 閾值分割區(qū)域生長和分裂合并分類器和聚類基于隨機(jī)場的方法其它基于統(tǒng)計(jì)學(xué)的方法醫(yī)學(xué)圖像分割基于邊緣 利用區(qū)域之間差異性 并行微分算子曲面擬合法基于邊界曲線擬合的方法串行邊界查找閾值分割

3、閾值分割是最常見的一種分割方法。它基于對灰度圖像的一種假設(shè)：目標(biāo)或背景內(nèi)的相鄰象素間的灰度值是相似的，但不同目標(biāo)或背景的象素在灰度上有差異，反映在圖像的直方圖上，不同目標(biāo)和背景則對應(yīng)不同的峰。選取的閾值應(yīng)位于兩個(gè)峰之間的谷，從而將各個(gè)峰分開CT圖像中皮膚骨骼的分割閾值分割閾值分割的優(yōu)點(diǎn) 簡單，常作為預(yù)處理方法閾值分割的缺點(diǎn)不適用于多通道圖像不適用于特征值相差不大的圖像不適用于各物體灰度值有較大重疊的圖對噪聲和灰度不均勻敏感閾值分割閾值分割的改進(jìn)閾值分割利用像素鄰域的局部信息：基于過渡區(qū)的方法利用像素點(diǎn)空間位置：變化閾值法結(jié)合局部灰度結(jié)合連通信息基于最大熵原則的閾值選擇方法區(qū)域生長分割將具有相似

4、性質(zhì)的像素集中起來構(gòu)成區(qū)域。該方法需要先選取一個(gè)種子點(diǎn)，然后依次將種子像素周圍的相似像素合并到種子像素所在的區(qū)域中。優(yōu)點(diǎn)：計(jì)算簡單，特別適用于分割小的結(jié)構(gòu)如腫瘤和傷疤。一種簡單的相似度條件定義方法： 設(shè)當(dāng)前隊(duì)列頂端元素的灰度值為gc， 當(dāng)前鄰點(diǎn)灰度值為gn， 種子點(diǎn)的灰度值為gs， nv、cv為用戶設(shè)定的值， 當(dāng)|gc - gn|nv且|gs - gn|cv時(shí)，滿足相似度條件。區(qū)域生長分割區(qū)域生長分割分割和特征提取方法中存在的問題在圖像的獲取和特征提取過程中會產(chǎn)生不同程度的噪聲，使得提取到的特征點(diǎn)位置存在一定的誤差，要使一幅圖像中的特征點(diǎn)精確匹配另一幅圖像中的特征點(diǎn)是很困難的；從兩幅圖像中提取到的圖像特征點(diǎn)集數(shù)目是不等的，確定它們之間的對應(yīng)關(guān)系較