基于脑CT图像的病变自动化检测技术研究

论文摘要

随着医学影像技术的飞速发展,开展以计算机辅助诊断或计算机智能化诊断为目标的医学图像处理和分析研究已经成为日前这个领域的一个研究热点和发展的主要趋势。计算机智能化诊断研究首先必须解决的问题是如何实现医学图像上病变的计算机自动化检出。病变自动化检出又必须涉及到图像配准,图像分割,数字化图谱创建等多项基本的图像处理与分析技术。本文瞄准计算机智能化诊断这个方向,以CT图像数据为研究对象,以颅脑病变,主要是灰度异常病变的计算机自动化检出为研究目标,通过密切结合医学专业知识,对病变检出及其相关技术进行了研究。本文首先总结分析了图像处理与分析的关键技术,然后在此基础上提出了我们的图像预处理方法,即改进了的Demons非刚性配准算法,基于先验知识和图像形态学的颅脑CT图像自动化分割方法,以及基于灰度和标注的数字化统计图谱的创建方法。最后在这些处理方法基础上,通过对专业医师诊断思维的计算机模拟,提出了一种通过灰度对比分析的自动化检出方法。该方法首先创建了代表正常人各种图像特征的数字化图谱,然后通过将病人图像与灰度均值图谱的对比分析突出病变区域,通过基于标注的统计图谱克服个体差异和不完全配准造成的影响,最后通过基于影像诊断专业知识的模糊推理系统,实现灰度异常病变的自动化检出。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 颅脑病变检出方法的研究进展
• 1.2.1 基于病变的具体特征
• 1.2.2 基于颅脑结构对称性分析
• 1.2.3 基于同一个体的纵向比较
• 1.2.4 基于不同个体的横向比较
• 1.3 研究的目标和意义
• 1.3.1 适应医学影像技术飞速发展的要求
• 1.3.2 解决目前针对单一病变研究的局限性
• 1.4 论文内容安排
• 第2章 图像处理与分析关键技术
• 2.1 引言
• 2.2 图像分割技术
• 2.2.1 概述
• 2.2.2 基于区域的分割方法
• 2.2.3 基于边缘的分割方法
• 2.3 图像配准技术
• 2.3.1 图像配准综述
• 2.3.2 医学图像配准的数学描述和过程
• 2.3.3 医学图像非刚性配准的基本方法
• 2.4 数字化统计图谱
• 2.4.1 概述
• 2.4.2 数字化统计图谱创建的主要方法
• 2.5 本章小结
• 第3章 医学图像预处理过程
• 3.1 引言
• 3.2 基于DEMONS 非刚性配准算法的实现和改进
• 3.2.1 基于Demons 非刚性配准算法的实现
• 3.2.2 基于Demons 非刚性配准算法的改进
• 3.2.3 实验结果分析与总结
• 3.3 基于先验知识的图像分割
• 3.3.1 颅脑CT 图像的组成
• 3.3.2 颅脑CT 图像的形态学特点
• 3.3.3 KMB 算法及其实验结果
• 3.4 灰度图谱和标注图谱的创建
• 3.4.1 正常数据采集
• 3.4.2 自动化图谱创建方法
• 3.4.3 实验结果
• 3.5 本章小结
• 第4章 灰度异常病变的自动化检出研究
• 4.1 引言
• 4.2 ICB 算法及其实现
• 4.2.1 正常图像的计算机描述
• 4.2.2 目标图像与模板图像的配准
• 4.2.3 病变检出的模糊推理系统
• 4.2.4 去模糊化及病变区域分割
• 4.2.5 病变区域的特征信息提取
• 4.3 本章小结
• 第5章 病变检出试验及结果分析
• 5.1 引言
• 5.2 MATLAB辅助模糊推理系统
• 5.2.1 Matlab 模糊工具箱
• 5.2.2 Mamdani 型模糊推理算法
• 5.3 病变检出试验过程及结果讨论
• 5.3.1 模糊推理系统建立过程
• 5.3.2 病变检出结果
• 5.3.3 病变特征信息提取
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢