种改进分水岭算法的MRI脑肿瘤图像分割研究硕士研究生开题报告Word文档格式.docx
- 文档编号:18933507
- 上传时间:2023-01-02
- 格式:DOCX
- 页数:12
- 大小:49.08KB
种改进分水岭算法的MRI脑肿瘤图像分割研究硕士研究生开题报告Word文档格式.docx
《种改进分水岭算法的MRI脑肿瘤图像分割研究硕士研究生开题报告Word文档格式.docx》由会员分享,可在线阅读,更多相关《种改进分水岭算法的MRI脑肿瘤图像分割研究硕士研究生开题报告Word文档格式.docx(12页珍藏版)》请在冰豆网上搜索。
核磁共振成像(MagneticResonanceImaging,MRI)技术以其非介入性、非损伤性、多角度多参数成像、高度的软组织分辨能力、无骨伪影等优势,成为脑部疾病临床诊断和治疗的主要成像方式。
脑肿瘤的分割技术在脑肿瘤的诊断和治疗上起着重要的作用,通过对脑肿瘤的分割,医生可以测量肿瘤的大小、位置等各种参数,对它进行定量的分析和跟踪比较,确定肿瘤的生长状态和变化过程。
此外,它在制定手术计划、手术导航、放疗计划、病人跟踪系统、病理的研究与分析、肿瘤模型和图谱的建立,三维可视化成像等方面也有着重要的意义。
由于脑部MRI序列图像的数据量庞大,人工分割耗时耗力,而且人工分割的结果受医生的专业知识和操作熟练度的影响,往往因人而异,主观度较大,很容易产生不可预测的结果。
因此,研究脑肿瘤的自动分割技术非常重要。
2、国内外研究历史及现状
由于临床应用和科学研究的需要,研究人员提出了许多MR图像脑肿瘤的分割方法,但每种算法都无法在任何条件下的一般图像中取得好的效果[2]。
这是由于MR脑肿瘤图像的复杂性所决定的。
具体的归纳为以下几点:
[3]
(1)由于磁共振成像原理、技术上的限制和图像采集过程中各种因素的影响,图像存在部分容积效应、场偏移效应、噪声和运动伪影等
(2)脑的组织结构复杂,MRI脑图像中正常组织主要包括肿瘤、水肿以及肿瘤内部的坏死、囊变,而且每种组织结构形状复杂。
(3)颅内病变的空间占位、形状和大小不确定,不同软组织之间或病变组织与软组织之间的灰度分布不均,密度分布有混叠,边界比较模糊。
(4)不同个体的组织结构存在较大差异,甚至同一个人在不同年龄段也会有较大的差异。
以上这些特点给脑肿瘤图像的分割带来了很大的困难。
磁共振图像中脑肿瘤分割的研究主要从图像处理、模式识别、人工智能等领域对图像中病变组织进行分析,形成了几类脑肿瘤分割方法:
(1)基于区域的分割方法。
这类方法是根据同一目标区域内像素相似的特点,有阈值法、K均值聚类方法、模糊C均值聚类方法、基于高斯混合模型的方法、基于Markov随机场的方法、基于形态学分水岭的分割方法和区域生长的方法等。
(2)基于边缘的分割方法。
该类方法是利用不同区域间特性不连续的特点,主要是可形变模型的方法。
(3)其它分割方法。
有基于异常检测的分割方法、人工神经网络算法、基于图割的分割方法、基于图谱的分割方法,多谱MR图像分割方法等。
本文所采用的分水岭算法是一种基于数学形态学的分割方法。
它主要是从图像中提取那些性质(灰度值或者图像纹理等)一致的目标区域,实现图像分割,所以可以认为是一种基于区域的分割方法。
分水岭算法是把图像看成是跌宕起伏的山形地貌,把图像中每一点的像素值表示成该点的海拔高度,每个局部极小值区域形成一个集水盆,盆地之间的山脊就是分水岭。
分水岭的形成主要采用两种原理。
(1)模拟浸水法。
它的基本思想是在每个盆地的最低处打一个小孔,使水慢慢均匀地侵入每个盆地,当水快要淹没盆地使两个盆地的水汇合时,就在这两个盆地之间修建堤坝,这样直到所有的盆地被水淹没,这时所有的分水岭都修建成堤坝,即完成图像分割。
(2)模拟降水法,其基本思想是当雨滴落到山地模型上时,就会沿着山坡注入谷底,雨滴所经过的路线形成一个连同分支,注入同一谷底的雨滴形成的所有连同分支就形成一个盆地。
目前,分水岭算法一般是采用模拟浸水法的原理实现的。
Vincent[3]于1991年提出的基于浸没技术的分水岭分割算法,成为许多后来改进分水岭算法的一个很好的技术。
分水岭算法运算简单[4]、计算速度快、对微弱边缘敏感。
运用此算法可得到单像素宽的并且封闭的区域轮廓。
直接应用分水岭算法在MRI图像中,很容易产生过分割现象。
无法区分出有意义的区域。
针对这一问题的改进方法主要有:
(1)在分水岭分割之前,对图像进行滤波[5,6,7],或限定允许分割的数目[8]
(2)通过对目标区域进行标记限定分割区域[9],然后再进行分水岭分割
(3)在分水岭分割之后,采用相应的合并准则进行区域合并[10,11]
目前越来越多的基于分水岭分割的方法应用于医学图像领域。
文献[13]针对传统分水岭算法在分割过程中较少用到边界特征信息、图像过分割现象比较突出的缺点,提出利用能量驱动的分水岭算法,将其应用到人脑MR图像中,但是该计算方法较为复杂,且对其他弱边界医学图像分割精度不高。
文献[14]提出了一种基于形态学优化和区域合并的分水岭分割算法,采用简单的区域灰度均值对分水岭变换后的图像进行有效的合并,该算法有效地解决了分割问题,但对内部结构较为复杂的医学图像分割效果不明显。
近年来,也有学者对分水岭过分割的直接成因----梯度谷底[15,16]即局部梯度极小值作相应的处理,提出了一种人工填充梯度谷底阈值的方法来减少分割区域数量。
但该方法在分割过程中梯度谷底阈值不能自适应调整。
文献[17]在解决梯度谷底阈值时引入互信息,以互信息为目标函数来计算分割图像与原图像的互信息量。
互信息最大时的阈值为最优值。
尽管现阶段已经有了许多MRI脑肿瘤分割方法,但该领域仍然存在着许多亟待解决的问题[18],如:
(1)大量分割算法没有实现自动分割,还依赖于人为的手动干预。
(2)由于MRI图像的数据量极大和算法本身的限制,分割速度慢,实时性较差。
(3)由于实际中没有大量的实验数据供研究,算法的有效性和鲁棒性得不到充分的验证。
(4)没有一个完善的评价系统。
随着脑肿瘤分割技术的发展,分割方法朝着全自动、分割速度快、分割精度高、自适应性和鲁棒性高、三维化方向发展。
主要参考文献
[1]SiegelR,NaishadhamD,JemalA.Cancerstatistics,2013[J].CA:
AcancerJournalforClinicians,2013.63
(1):
11-30.SiegelR,NaishadhamD,JemalA癌症统计,2013[J].CA:
临床医生癌症杂志,2013
(1):
11-30
[2]林瑶窗体顶端
[2]林瑶,田捷.医学图像分割方法综述[J].模式识别与人工智能,2002,02:
192-204.
[3]LucVincent,PierreSoille.Watershedsindigitalspaces:
Anefficientalgorithmbasedoninmersionsimulations[J]IEEETransactionsonPatternAnalysisandMachinesIntelligence,1991,13(16):
583-598.
[4]邓万凯.MRI图像的脑肿瘤分割方法研究[D].华中科技大学,2011
[5]张鹤,吴谨.基于运动信息和标记多尺度分水岭的运动目标检测算法[J].液晶与显示,2012,27
(2):
250-256.
[6]KUMARSV,LAZARUNMN,NAGARAJUC.Anovelmethodforthedetectionnofmicrocalcificationsbasedonmulti-scalemorphologicalgradientwatershedsegmentationalgorithm[J].InternationalJournalofEngineeringScienceandTechnology,2010,2(7):
2616-2622
[7]苗加庆.基于自适应字典学习降噪改进的脑MRI图像分水岭精确分割算法研究[J].激光杂志,2015,01:
35-39.
[8]侯晓文,刘奇.自适应带宽均值漂移脑部磁共振成像肿瘤分割[J].生物医学工程学杂志,2014,05:
1001-1004+1010.
[9] KARNTZALOSK,ARGIALASD.Improvingedgedetectionandwatershedsegmentationwithanisotropicdiffusionandmorphologiclalevelling[J].InternationalJournalofRemotesensing,2006,27(24):
5427-5434.
[10]XUS,LIUH,SONGE.Marker-controlledwatershedforlesionsegmentationinmammograms[J]JournalofDigitalImaging,2011,24(5):
754-763.
[11]张建明,张菊,王娟.基于梯度修正和区域融合的分水岭分割算法[J].计算机应用,2011,31
(2):
369-371
[12]陈家新,王纪刚.一种改进的医学图像分水岭分割算法[J].计算机应用研究,2013,08:
2557-2560.
[13]鲁向,芦勤,罗述谦。
基于能量驱动的分水岭算法在MRI海马图像分割中的应用[J]计算机辅助设计与图像学学报,2008,20(6):
748-752.
[14]黄展鹏,易法令,周苏娟.基于数学形态学和区域合并的医学图像CT图像分割[J].计算机应用研究,2010,27(11):
4360-4362.
[15]卢官明.一种计算图像形态梯度的多尺度算法[J]中国图像图形学报,2001,6(3):
214-218.
[16]黎鑫.一种程度可控的形态学多尺度梯度分水岭算法[J].计算机应用研究,2008,25
(2):
475-478.
[17]夏倩倩,宋余庆,刘哲,刘雅婧.结合分水岭和互信息的医学图像自适应分割方法[J].计算机应用与软件,2015,01:
221-224+274.
[18]万俊,聂生东,王远军.基于MRI的脑肿瘤分割技术研究进展[J].中国医学物理学杂志,2013,04:
4266-4271.
[19]窗体顶端
【】【】[][窗体底端
[19]刁智华,赵春江,郭新宇,陆声链,王秀徽.分水岭算法的改进方法研究[J].计算机工程,2010,17:
4-6.
[20]孙颖,何国金.基于标记分水岭算法的高分辨率遥感图像分割方法[J].科学技术与工程.2008(11):
2776-2781
[21]张博,何彬彬.改进的分水岭变换算法在高分辨率遥感影像多尺度分割中的应用[J]地球信息科学学报,2014,01:
142-150.
[22]GONZLEZRC,WOODSRE.DigitalImageProcessing[M],UpperSaddleRiver,NJ,USA,PrinticeHall,2008
[23]O’CallaghanRJ,BullDR,Combinedmorphologicalspectralunsupervisedimagesegmentation[J].ImageProcessing,IEEETransactionson,2005,14
(1):
49-62.
[24]SOILLEP.MorphologicalImageAnalysis:
PrinciplesandApplications[M],Springer,2003.
课题设计:
(包括研究内容、研究方法、技术路线及可行性分析)
1、研究内容
本文主要讨论针对脑肿瘤MRI分割存在的问题,以分水岭分割在脑肿瘤分割具体应用为主线,减少分水岭分割产生的过分割问题,以正确分割出脑肿瘤为目的。
研究内容具体分为以下方面:
(1)基于MR图像中存在的噪声问题,考虑用自适应各向异性扩散滤波对MR脑肿瘤图像进行滤波,在滤出各种噪声的同时还能保持影像的边缘特征和重要的细节信息。
(2)对分水岭过分割的直接成因---梯度谷底进行探讨,探讨一种自适应阈值的梯度谷底解决方案。
选取填充阈值T,对所有梯度落差小于T的谷底进行梯度填充。
使其与周围像素梯度值一致。
采取形态学H-minima标记提取技术提取标记。
可通过调整阈值的方法控制最终分割块数。
2、研究方法
本论文的理论基础是基于数学形态学的分水岭分割方法。
实现的平台是MatlabR2012a。
使用的资料是山东省泗水县人民医院CT-MRI科室的脑部肿瘤MRI图像。
Matlab是集数值计算,符号运算及图形处理等强大功能于一体的科学计算语言。
作为强大的科学计算平台,它几乎能够满足所有的计算需求。
MATLAB对图像的处理功能主要集中在它的图像处理工具箱(ImageProcessingToolbox)中。
图像处理工具箱是由一系列支持图像处理操作的函数组成,可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作。
3、技术路线
可行性分析
1理论可行性分析
1.1由于图像本身的噪声影响和量化误差的影响,会在本该形成一个被大边缘包围的区域内,分割出许多小区域,由于下一步的梯度信息对噪声较敏感,因此将造成在真正的边缘里混进许多虚假边缘,即过分割现象。
[19]
传统的滤波器虽然较好地滤掉噪声和平滑图像,但是却损害原信号的强度,不能保持图像中有用的细节(如线、边缘等),不利于后续图像分割,也无法满足针对医学图像的实时、数据量大的特点。
滤波时要保持原有信号不受损,同时能滤除噪声。
目前,比较常用的滤波方法有均值滤波、中值滤波、维纳滤波等。
其中均值滤波对加性噪声有较好的抑制,但是容易造成整幅影像的模糊。
中值滤波能有效地消除随机噪声的同时对边缘有一定的保护作用[20],但依赖于所选窗口的大小。
对点、线等细节多的影像效果不好。
维纳滤波在保护边缘的能力方面有选择性,对高斯噪声处理效果较好。
但对方差较大的噪声去除能力较差,在像元领域内会造成模糊。
为了既能有效地滤除噪声,又能保留图像的边缘特征和重要的细节信息,本文选用各向异性扩散滤波技术来对MRI脑肿瘤图像进行预处理。
[21]
各向异性扩散滤波(AnisotropicDiffusionFilter,ADF)是一种非线性的滤波思想,它可以在同质区域增强扩散,并且在边缘区域抑制扩散。
本文将各向异性滤波应用于MRI脑肿瘤图像中,达到保持图像边缘、细节的同时,能有效滤除MRI的噪声。
1.2自适应分水岭梯度谷底的选择。
拟采用阈值法选取分水岭梯度谷底,来减少分水岭分割的区域。
采取预处理滤波后,减少了图像局部的灰度起伏,增强了图像的边缘,图像变得更加平滑。
在实际应用中,分水岭分割通常不直接在输入图像上而是在其梯度图像上实施。
梯度图像能较好的表现图像像素灰度的变化趋势,梯度变化明显的地方一般是目标对象边缘。
在梯度图像上进行分水岭算法分割,分割后分水线在目标边界上,比在原始图像上分割得到的结果更加准确,所以梯度图像更适合作为分水岭算法的分割图像。
实在中也证明了分水岭算法和梯度有很大的关系,而与图像本身相关性不大[22].
在图像分析中有很多种梯度运算[22],包括梯度算子,Sobel、Prewitt、Robert、Gauss、Canny算子等。
与这些空域中卷积运算求梯度的运算相比,数学形态学梯度算子能使输入图像灰度级的跃变更加急剧,且受边缘方向的影响较小,求取的梯度更好。
本文在进行梯度影像构建时使用多尺度形态学梯度算子,结构元素的形状和大小会决定图像的结果。
如果结构元素过大,会造成邻近边缘间的相互影响,进而导致边缘与梯度极大值不一致。
如果结构元素过小,虽然能得到高分辨率的梯度,但对于较微弱边缘检测效果会较差。
[23]
图像经过形态学多尺度重建后,目标边界轮廓的提取得到了很大的改善。
但也同时削弱了原始灰度图像的边缘信息,从而缩短了边缘与噪声的落差,在后面的梯度谷底填充阶段会导致边缘轮廓偏移甚至丢失的情况。
本文拟采用Canny算子对图像边缘进行修正。
对图像进行谷底填充可以有效地减少分水岭分割的块数。
本文拟采用直方图结合边缘的方法,对图像的谷底阈值进行填充。
选取填充阈值T,对所有梯度落差小于T的谷底进行谷底填充,使其与周围像素一致。
选取的阈值越大,则被填平的谷底越多,毎填平一个谷底就相当于在分水岭分割的结果中减少一个对应区域块。
用直方图可以看到图像的整体概貌,用直方图中图像的低点阈值去调整图像的填充阈值,然后使用H-minima扩展最小滤波[24]提取标记,能将多数无关区域设为0,随即完成图像的分割。
2技术可行性
本课题采用的Matlab在图像处理具有极大的优势。
Matlab全称是MatrixLaboratory(矩阵实验室),它是一种专门用于矩阵数值计算的软件,在矩阵运算上有自己独特的特点。
Matlab中的绝大多数的运算都是通过矩阵这一形式进行的。
这一特点也就决定了Matlab在处理数字图像上的独特优势。
理论上讲,图像是一种二维的连续函数,然而在计算机上对图像进行数字处理的时候,首先必须对其在空间和亮度上进行数字化,这就是图像的采样和量化的过程。
二维图像进行均匀采样,就可以得到一幅离散化成M×
N样本的数字图像,该数字图像是一个整数阵列,因而用矩阵来描述该数字图像是最直观最简便的了。
本课题特色、预期取得的结果
1、课题特色
(1)将各向异性滤波方法应用于医学MRI脑肿瘤图像中,探讨自适应各向异性滤波对应MRI噪声去除的应用。
(2)直方图、边缘算子对于分水岭谷底填充的自适应解决办法。
2、预期取得的结果
(1)将以上各种方法应用于MRI脑肿瘤图像中,力求自适应、精确分割、提高算法的鲁棒和提高算法的速度。
(2)发表1-2篇核心期刊论文。
(3)总结研究成果,撰写课题论文。
课题进度安排及经费预算
1、课题进度安排
2015年4-6月:
文献查询,资料收集,需求分析,设计实验。
2015年7-8月:
根据毕业论文题目做进一步的研究,对论文中的所涉及的各种分割方法和MATLAB图像处理技术深入学习。
2015年9-12月:
编写程序,检测程序。
并用程序系统处理脑肿瘤MRI医学图像,并对此系统进行评价。
2016年1-4月:
总结研究成果,撰写课题论文,准备论文答辩。
2、经费预算
实验材料费:
1600元
资料检索、复印:
400元
论文制作:
论文答辩:
800元
考核小组
组成
姓名
职称
所在单位教研室(科室)
签名
组长
曹慧
教授
山东中医药大学理工学院
成员
彭欣
山东中医药大学基础医学院
马志庆
魏本征
赵可辉
主任医师
山东中医药大学第二附属医院特检科
金卫
秘书
刘静
讲师
考核小组综合评议
意见
考核组长签名:
年月日
开题评议结果
通过开题()重新开题()
注:
请在相应()内划√
教研室(科室)意见
教研室(科室)负责人签名:
年月日
学院意见:
学院负责人签名:
年月日
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 改进 分水岭 算法 MRI 肿瘤 图像 分割 研究 硕士研究生 开题 报告