基于稀疏表示和低秩恢復(fù)的肝臟CT圖像分割算法研究
本文關(guān)鍵詞：基于稀疏表示和低秩恢復(fù)的肝臟CT圖像分割算法研究 出處：《哈爾濱工業(yè)大學(xué)》2016年博士論文 論文類型：學(xué)位論文
更多相關(guān)文章： 肝臟分割 稀疏表示 低秩恢復(fù) 主動(dòng)形狀模型 形狀先驗(yàn)?zāi)Ｐ?/b> 概率圖譜
【摘要】：計(jì)算機(jī)輔助診斷和手術(shù)規(guī)劃系統(tǒng)在肝癌疾病的診斷和治療等方面發(fā)揮著越來越重要的作用。CT圖像因其具有高分辨率和高信噪比而被廣泛地用于肝癌的臨床診斷。因而,研究基于CT圖像的肝臟精確及穩(wěn)健分割在醫(yī)學(xué)研究和臨床診斷治療等方面具有重要的意義。然而,基于CT的肝臟分割仍然面臨很多難題,一方面,肝臟組織和相鄰器官之間邊界模糊,且不同個(gè)體之間的肝臟形狀差異很大;另一方面,CT圖像很容易受到部分容積效應(yīng)和噪聲的影響。針對(duì)這些問題,本文以肝臟組織的精確分割為研究目標(biāo),在CT圖像中研究基于全局形狀先驗(yàn)知識(shí)的肝臟分割方法。同時(shí),本文引入信號(hào)處理和計(jì)算機(jī)視覺領(lǐng)域最新的理論(稀疏表示和低秩恢復(fù)),將它們?nèi)谌牖谌中螤钕闰?yàn)知識(shí)的主動(dòng)形狀模型和圖譜方法中,從而實(shí)現(xiàn)精確和穩(wěn)健的肝臟CT圖像分割。半自動(dòng)的肝臟分割方法具有分割精度高、耗時(shí)小等特點(diǎn),當(dāng)臨床應(yīng)用對(duì)分割時(shí)間有特定要求時(shí),半自動(dòng)的分割方法比全自動(dòng)的方法更為適用。針對(duì)傳統(tǒng)基于圖像或局部形狀先驗(yàn)信息的方法在肝臟分割中容易產(chǎn)生較大分割誤差的問題,本文提出了一種基于全局形狀先驗(yàn)知識(shí)的主動(dòng)形狀模型肝臟半自動(dòng)分割方法。在主動(dòng)形狀模型方法中,現(xiàn)有形狀先驗(yàn)知識(shí)建模方法存在著三個(gè)主要問題:對(duì)于輸入形狀中的非高斯誤差較為敏感;難以對(duì)具有非高斯分布的復(fù)雜形狀進(jìn)行有效建模;無法對(duì)輸入形狀的局部細(xì)節(jié)進(jìn)行有效恢復(fù)。針對(duì)上述問題,本文提出了一種基于多階層局部區(qū)域的稀疏形狀組合模型。在形狀建模過程中,首先將肝臟形狀以多階層方式分割成多個(gè)具有均勻形狀變化的區(qū)域;然后為每個(gè)區(qū)域建立一個(gè)對(duì)應(yīng)的局部形狀庫,并按照逐個(gè)區(qū)域的方式將輸入形狀正則化為形狀庫中訓(xùn)練形狀的稀疏線性組合。同時(shí),為了提高肝臟初始化的精度,本文提出了一種基于血管的肝臟形狀初始化方法和多層次形狀模型優(yōu)化方法。通過臨床數(shù)據(jù)實(shí)驗(yàn)以及國際競賽證明,提出的半自動(dòng)分割方法可以用來對(duì)肝臟組織進(jìn)行高精度、低耗時(shí)的有效分割。半自動(dòng)的分割方法能夠在有限的時(shí)間內(nèi),通過人工交互的方式獲取較高精度的分割結(jié)果。然而,由于需要人工的參與,半自動(dòng)分割方法的結(jié)果會(huì)受到人為因素的影響,進(jìn)而影響分割結(jié)果的可重復(fù)性。針對(duì)半自動(dòng)分割方法在該方面的劣勢(shì),本文提出了一種基于全局形狀先驗(yàn)知識(shí)的圖譜肝臟全自動(dòng)分割方法。鑒于在肝臟圖譜灰度圖像對(duì)齊到目標(biāo)圖像時(shí),圖譜分割方法容易產(chǎn)生較大配準(zhǔn)誤差的問題,本文提出了一個(gè)基于稀疏表示的變形模型,來對(duì)圖像配準(zhǔn)過程中產(chǎn)生的誤差進(jìn)行校正,即將得到的非剛性變換正則化為已有訓(xùn)練非剛性變換的稀疏線性組合。同時(shí),為了降低最終生成的肝臟圖譜偏向于初始模板圖像的特定解剖結(jié)構(gòu)的可能性,本文給出了一種迭代方法構(gòu)建肝臟圖譜的解決對(duì)策。臨床數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,提出的全自動(dòng)的分割方法能夠在無需人工參與的條件下,取得接近于半自動(dòng)分割方法的分割精度,且實(shí)驗(yàn)結(jié)果可重復(fù),從而驗(yàn)證了提出方法的有效性、先進(jìn)性�；趫D譜的肝臟全自動(dòng)分割方法在處理正常或含輕微病變的肝臟時(shí),能夠獲取較高的分割精度;然而,在處理含嚴(yán)重病變的肝臟時(shí),分割精度明顯下降。而融入了形狀先驗(yàn)?zāi)Ｐ偷娜詣?dòng)分割方法能夠有效提升嚴(yán)重形變肝臟的分割精度,特別地,基于稀疏表示理論的稀疏形狀組合模型成功解決了現(xiàn)有形狀先驗(yàn)知識(shí)建模方法存在的主要問題。然而,基于?1范數(shù)的稀疏表示方法缺乏群組效應(yīng),這在一定程度上影響了模型的泛化能力。針對(duì)該模型缺陷,本文提出了一種基于矩陣低秩和稀疏分解的形狀先驗(yàn)?zāi)Ｐ�。該模型克服了傳統(tǒng)形狀先驗(yàn)?zāi)Ｐ偷娜毕?并能夠從含有較大但稀疏誤差的肝臟形狀矩陣中精確地恢復(fù)其真實(shí)子空間。該模型將肝臟形狀矩陣分解為以下三個(gè)部分:整體肝臟解剖結(jié)構(gòu)的低秩部分、稀疏粗差的稀疏部分、小而稠密的高斯噪聲部分。實(shí)驗(yàn)結(jié)果表明,提出的方法可以對(duì)肝臟形狀進(jìn)行有效的建模,特別是對(duì)含嚴(yán)重病變的肝臟形狀建模,從而在一定程度上提高了全自動(dòng)分割方法的分割精度與分割穩(wěn)定性�；诰仃嚨椭群拖∈璺纸獾男螤钕闰�(yàn)?zāi)Ｐ偷臉?gòu)建為高精度的全自動(dòng)分割提供了模型基礎(chǔ),為了實(shí)現(xiàn)對(duì)含嚴(yán)重病變的肝臟組織的精準(zhǔn)分割,本文提出了一種基于主動(dòng)形狀模型的肝臟自動(dòng)分割方法。對(duì)含嚴(yán)重病變的肝臟組織進(jìn)行自動(dòng)分割時(shí)會(huì)遇到以下三個(gè)主要難題:含有大的病灶區(qū)域具有與正常肝臟組織完全不同的灰度值;肝臟周邊病灶與相鄰器官之間的對(duì)比度低;CT圖像很容易受到成像偽影的影響。針對(duì)上述問題,本文提出了一種針對(duì)特定病例的基于矩陣低秩和稀疏分解的概率圖譜形狀初始化方法,以便最大程度地消除病理異常對(duì)最終構(gòu)建的概率圖譜和肝臟似然圖像造成的不利影響。同時(shí),為了能對(duì)輸入形狀的局部細(xì)節(jié)進(jìn)行準(zhǔn)確的恢復(fù),本文使用基于矩陣低秩和稀疏分解的形狀先驗(yàn)?zāi)Ｐ蛠順?gòu)建針對(duì)特定人群的形狀先驗(yàn)?zāi)Ｐ?最后,提出了一種多層次主動(dòng)形狀模型搜索方法來對(duì)模型進(jìn)行有效優(yōu)化。臨床數(shù)據(jù)的實(shí)驗(yàn)以及國際競賽結(jié)果表明,提出的分割方法可以用來對(duì)含嚴(yán)重病變的肝臟組織進(jìn)行精確和穩(wěn)健的分割。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：R735.7;R730.44;TP391.41
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 肖求根;程明;王博亮;;基于三維統(tǒng)計(jì)形狀模型的肝臟分割[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期
2 宋紅;張春萌;黃小川;李佳佳;;腹部CT圖像序列中的肝臟分割[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2013年09期
3 姜慧研;馬志遠(yuǎn);宗茂;;基于概率圖譜和Random Walker的肝臟三維分割算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期
4 宋曉;程明;王博亮;黃紹輝;黃曉陽;;置信連接的自動(dòng)肝臟分割方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年09期
5 凌華強(qiáng);龍勝春;項(xiàng)鵬遠(yuǎn);;主動(dòng)形體模型法在肝臟CT圖像分割中的應(yīng)用[J];浙江工業(yè)大學(xué)學(xué)報(bào);2012年04期
6 劉技;康曉東;賈富倉;劉玲玲;王昊;;基于圖割與概率圖譜的肝臟自動(dòng)分割研究[J];計(jì)算機(jī)科學(xué);2012年02期
7 劉偉;賈富倉;胡慶茂;王俊;;基于圖譜的肝臟CT三維自動(dòng)分割研究[J];北京生物醫(yī)學(xué)工程;2011年05期
8 趙曉靜;陳兆學(xué);王志禎;;基于Mean Shift方法的肝臟CT圖像的自動(dòng)分割[J];中國醫(yī)學(xué)影像技術(shù);2010年12期
9 黃展鵬;易法令;周蘇娟;鮑蘇蘇;;基于數(shù)學(xué)形態(tài)學(xué)和區(qū)域合并的醫(yī)學(xué)CT圖像分割[J];計(jì)算機(jī)應(yīng)用研究;2010年11期
10 趙于前;王小芳;李桂源;;基于多尺度多結(jié)構(gòu)元素的肝臟圖像分割[J];光電子.激光;2009年04期
相關(guān)碩士學(xué)位論文 前2條
1 史長發(fā);基于可變形Simplex網(wǎng)格的三維醫(yī)學(xué)圖像分割[D];哈爾濱工業(yè)大學(xué);2010年
2 孔曉榮;人體肝臟圖像處理分割算法研究[D];內(nèi)蒙古大學(xué);2008年
，本文編號(hào)：1327783
本文鏈接：http://www.sikaile.net/shoufeilunwen/xxkjbs/1327783.html
