本文關鍵詞：結合形變優(yōu)化與稀疏統(tǒng)計的CT圖像肝臟分割方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：肝臟是人體最大的消化腺和解毒器官,同時也是膽汁生成的場所,而眾多功能的集成導致其成為易發(fā)腫瘤的主要器官之一。近年來,肝癌已經(jīng)躍居全球癌癥死亡率的第二位,因而,對肝臟疾病的預防和治療迫在眉睫,已成為全世界關注的熱點和重點。CT成像能夠獲得較高分辨率的肝臟解剖結構信息,且當肝臟發(fā)生病變時,通常表現(xiàn)為灰度不均勻、邊緣不平滑等特征。由此,CT已成為臨床肝臟疾病診療的重要成像方式之一。分割技術能夠從CT圖像中檢測出肝臟的形狀輪廓信息及病灶的結構信息,該信息對肝臟功能評定、腫瘤識別及手術治療等具有重要的臨床應用價值。然而,肝臟緊鄰脾臟、胃和腸道等器官組織,器官組織間的灰度特征差異度較小;此外,肝臟的個體差異性較大、其組織結構和空間位置易受外力影響而發(fā)生較大幅度的形變。迄今為止,從CT圖像中實現(xiàn)肝臟輪廓的準確分割與檢測依然是世界性難題。本文在深入研究現(xiàn)有分割方法的基礎上,提出了自適應表面擴張模型、先驗稀疏字典及先驗稀疏統(tǒng)計形狀模型三種肝臟分割方法。實驗結果表明,三種分割方法均可實現(xiàn)較高精度的肝臟分割,其中,基于稀疏統(tǒng)計形狀模型的方法分割精度更高。本文的主要創(chuàng)新性工作包括:(1)針對傳統(tǒng)形變模型在形變過程中易陷入局部最優(yōu)而難以實現(xiàn)肝臟凹陷區(qū)域準確分割的問題,提出了一種結合自適應表面擴張和三角剖分優(yōu)化的肝臟分割方法。此方法利用單純形表面模型構建了肝臟的初始邊界,并利用模型的頂點及其鄰域頂點間的關系構建了模型內力及其約束;在模型的外力中引入氣球力,并利用圖像中肝臟的Gabor邊界特征構建外力約束。此外,構建了一種自適應的三角剖分優(yōu)化算法,在形變過程中對模型自適地插入新的頂點,實現(xiàn)肝臟精細結構的準確提取。(2)針對機器學習方法需大量訓練樣本而影響分割效率的問題,提出了一種基于先驗稀疏字典和空洞填充的肝臟分割方法。此方法利用金標準圖像與待分割圖像配準后的肝臟邊界作為待分割圖像的初始邊界,并在初始邊界點鄰域內選擇測試樣本集,從而實現(xiàn)樣本數(shù)量的減小;利用訓練圖像的Gabor特征圖像和灰度圖像建立肝臟邊界特征的查詢字典,結合測試集和查詢字典計算稀疏系數(shù)及重構誤差;提出一種基于肝臟表面信息的空洞填補方法,對肝臟邊界進行補全和平滑處理,從而確保分割結果具有較高的平滑性和準確性。(3)針對現(xiàn)有統(tǒng)計形狀模型與待分割圖像較難配準的問題,構建了一種基于肝臟邊界先驗形狀信息的稀疏統(tǒng)計模型。此方法基于肝臟先驗形狀模型頂點坐標構建查詢字典,并結合待分割圖像與先驗形狀模型中對應點的稀疏編碼重構稀疏統(tǒng)計形狀模型,從而提高稀疏統(tǒng)計形狀模型與待分割圖像間的配準精度;基于稀疏統(tǒng)計形狀模型頂點在待分割圖像上的灰度信息及其鄰域范圍內的邊界信息,構建了特異性灰度能量和邊緣能量,進而構建稀疏匹配能量約束模型,在優(yōu)化迭代過程中能有效驅動統(tǒng)計形狀模型趨近肝臟邊界,實現(xiàn)對肝臟的精確分割。
【關鍵詞】：肝臟 CT圖像 分割 形變模型 稀疏編碼 統(tǒng)計模型
【學位授予單位】：北京理工大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：R816.5;TP391.41
【目錄】：

• 摘要5-7
• Abstract7-11
• 第1章 緒論11-23
• 1.1 研究背景11-14
• 1.1.1 肝臟疾病及其治療方法11-13
• 1.1.2 肝臟的CT成像特點13-14
• 1.2 肝臟分割的國內外研究現(xiàn)狀14-20
• 1.3 本文的研究內容20-22
• 1.4 本文的組織結構22-23
• 第2章 自適應網(wǎng)格擴張模型(AMEM)23-45
• 2.1 方法概述23-33
• 2.1.1 圖像預處理24-27
• 2.1.2 AMEM的構建27-31
• 2.1.3 自適應剖分方法31-33
• 2.2 實驗結果與討論33-43
• 2.3 本章小結43-45
• 第3章 結合空洞填補的先驗稀疏字典模型(PSD-HF)45-61
• 3.1 方法概述45-52
• 3.1.1 肝臟區(qū)域配準46-47
• 3.1.2 肝臟的Gabor特征提取47-48
• 3.1.3 字典構建48-50
• 3.1.4 圖像重構50
• 3.1.5 空洞填充50-52
• 3.2 實驗結果與討論52-60
• 3.3 本章小結60-61
• 第4章 先驗稀疏統(tǒng)計形狀模型(SP-SSM)61-81
• 4.1 方法概述61-72
• 4.1.1 稀疏統(tǒng)計形狀模型構建62-67
• 4.1.2 能量構建67-72
• 4.2 實驗結果與討論72-80
• 4.3 本章小結80-81
• 第5章 分割結果評價81-97
• 5.1 分割結果的評價方法概述81-84
• 5.2 本文分割算法評價84-94
• 5.3 本章小結94-97
• 第6章 結論97-99
• 參考文獻99-113
• 攻讀學位期間發(fā)表論文與研究成果清單113-115
• 致謝115-117
• 作者簡介117

  本文關鍵詞：結合形變優(yōu)化與稀疏統(tǒng)計的CT圖像肝臟分割方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：322330