基于差分进化算法的GVF Snake模型的PET医学图像分割

论文摘要

PET作为当今世界最高层次的核医学技术,已广泛应用到医学研究的各个学科分支。由于PET本身特点及重建技术的限制,它的图像质量比较低,空间分辨率远远低于CT和MRI,图像反差低,定位能力差,背景伪迹严重,有明显的放射状噪声,这严重影响了图像信息的获取,不利于医生进行观测和诊断,同时也严重影响图像配准、融合等后续工作。基于传统的Snake模型对PET医学图像分割的方法存在对初始轮廓过于敏感,难以收敛到目标凹型区域等问题。为此,本文采用其改进算法GVFSnake模型对PET图像分割处理,为防止其陷入局部最优和错收敛现象,本文将采用全局优化的差分进化算法对GVF Snake模型分割的结果进行优化,提高分割精度。其实验结果表明,本文提出的方法能够对PET图像病灶区域进行精确的分割,避免陷入局部最优且具有良好的实时性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文研究的目的及意义
• 1.2 课题国内外研究现状
• 1.2.1 医学图像分割技术的国内外研究现状
• 1.2.2 Snake模型的国内外研究现状
• 1.2.3 差分进化算法的国内外研究现状
• 1.3 论文主要研究内容及论文安排
• 第2章 Snake模型的边缘检测
• 2.1 传统的Snake模型
• 2.1.1 Snake模型的数学模型
• 2.1.2 Snake模型算法流程
• 2.1.3 Snake模型的分割检测
• 2.2 GVF Snake模型
• 2.2.1 GVF Snake的数学模型
• 2.2.2 GVF Snake的分割检测
• 2.3 本章小结
• 第3章 差分进化算法
• 3.1 差分进化算法概述
• 3.2 差分进化算法原理
• 3.2.1 种群的初始化
• 3.2.2 变异操作
• 3.2.3 交叉操作
• 3.2.4 选择操作
• 3.2.5 差分进化算法的基本流程
• 3.3 差分进化算法的研究
• 3.3.1 差分进化算法的扩展模式
• 3.3.2 差分进化算法的参数选择
• 3.4 差分进化算法的应用
• 3.4.1 差分进化算法在函数优化中的应用
• 3.4.2 差分进化算法在特征选择上的应用
• 3.4.3 差分进化算法在人工神经网络中的应用
• 3.4.4 差分进化算法工程中的应用
• 3.5 差分进化算法的基准函数测试
• 3.6 本章小结
• 第4章 基于DE算法GVF Snake模型的PET图像分割的设计与实现
• 4.1 PET医学图像的特点
• 4.2 PET医学图像的预处理
• 4.2.1 PET医学图像平滑去噪
• 4.2.2 增强图像的对比度
• 4.3 基于GVF Snake模型的PET图像分割的实现
• 4.3.1 初始轮廓的设置
• 4.3.2 基于GVF Snake模型的PET图像分割的实现
• 4.4 DE算法的设计与实现
• 4.4.1 初始种群的构成
• 4.4.2 适应度函数
• 4.4.3 参数设置
• 4.4.4 基于DE算法的GVF Snake模型PET图像分割的实现过程
• 4.5 本章小结
• 第5章 仿真实验与结果分析
• 5.1 实验条件
• 5.2 基于DE算法GVF Snake模型的人工合成图像仿真测试
• 5.3 基于DE算法GVF Snake模型PET医学图像分割仿真测试
• 5.3.1 双Snake模型初始化轮廓曲线
• 5.3.2 PET医学图像的仿真测试
• 5.4 本章小结
• 结论
• 参考文献
• 致谢