發(fā)布時間：2021-05-10 17:28

　　隨著醫(yī)學(xué)影像學(xué)和計算機技術(shù)的高速發(fā)展,基于醫(yī)學(xué)影像的計算機輔助骨科手術(shù)系統(tǒng)在臨床實踐中發(fā)揮了重要的作用。目前的骨科手術(shù)前的檢查和定位都只能先通過計算機輔助骨科手術(shù)系統(tǒng)進行閱片分析,在醫(yī)生腦里形成主觀的印象,然后依靠豐富的臨床經(jīng)驗來對手術(shù)患者的病灶區(qū)域進行定位。手術(shù)定位的準(zhǔn)確性非常依賴醫(yī)生的臨床經(jīng)驗,且不能實時直觀地將信息傳遞給小組的其他成員。而在計算機輔助骨科手術(shù)系統(tǒng)中應(yīng)用增強現(xiàn)實技術(shù),醫(yī)生可以將患者手術(shù)部位的CT圖像分割出來,并且可以在手術(shù)中實時準(zhǔn)確地輔助醫(yī)生對患者病灶區(qū)域的定位,實時將手術(shù)信息共享給其他成員,提高手術(shù)定位的準(zhǔn)確性和快速性。為了高效地輔助醫(yī)生進行骨科手術(shù)前的檢查與術(shù)中的定位,本文基于圖像分割技術(shù)、三維可視化技術(shù)以及增強現(xiàn)實技術(shù),開發(fā)了基于增強現(xiàn)實技術(shù)的計算機輔助骨科手術(shù)系統(tǒng)。本文的研究內(nèi)容主要分為以下四個方面:1.為了準(zhǔn)確提取相關(guān)骨骼組織用于計算機輔助骨科手術(shù)系統(tǒng)的研究,本文研究了基于醫(yī)學(xué)圖像分割技術(shù)的骨骼組織分割算法。首先,介紹了DICOM圖像的讀取解析與預(yù)處理;然后,采用了一種基于自適應(yīng)雙閾值的骨骼組織粗分割方法,將疑似骨骼組織的像素分割出來;最后,使用基于三維區(qū)... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：112 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 計算機輔助骨科手術(shù)系統(tǒng)研究現(xiàn)狀
    1.3 醫(yī)學(xué)圖像分割技術(shù)研究現(xiàn)狀
    1.4 增強現(xiàn)實技術(shù)在醫(yī)療領(lǐng)域的研究現(xiàn)狀
    1.5 本文研究內(nèi)容與組織結(jié)構(gòu)
第二章 基于自適應(yīng)閾值與三維區(qū)域生長算法的骨骼組織分割
    2.1 引言
    2.2 基于自適應(yīng)閾值與三維區(qū)域生長算法的骨骼組織分割算法概述
    2.3 醫(yī)學(xué)圖像DICOM文件的解析與預(yù)處理
        2.3.1 DICOM文件格式及解析
        2.3.2 基于中值濾波和各向異性擴散的醫(yī)學(xué)圖像預(yù)處理
    2.4 基于自適應(yīng)閾值分割與三維區(qū)域生長法的骨骼組織分割
        2.4.1 基于自適應(yīng)雙閾值的骨骼組織粗分割
        2.4.2 基于三維區(qū)域生長法的骨骼組織細分割
    2.5 骨骼組織分割結(jié)果評價
    2.6 本章小結(jié)
第三章 基于圖割(Graph Cut)算法的骨骼自動分割
    3.1 引言
    3.2 基于圖割算法的自動骨骼分割概述
    3.3 基于圖像銳化和基于Hessian矩陣的骨骼增強預(yù)處理
        3.3.1 骨骼圖像銳化
        3.3.2 基于Hessian矩陣的3D結(jié)構(gòu)增強濾波器
        3.3.3 基于形態(tài)學(xué)腐蝕運算的相鄰骨骼分離
    3.4 基于改進圖割算法的三維CT圖像骨骼自動分割
        3.4.1 圖割算法的能量函數(shù)
        3.4.2 基于改進的能量函數(shù)
        3.4.3 基于最大流最小割的圖割算法求解
    3.5 分割結(jié)果分析
        3.5.1 骨骼的分割結(jié)果
        3.5.2 分割精度評價
    3.6 本章小結(jié)
第四章 基于三維可視化與特征點匹配的增強現(xiàn)實技術(shù)
    4.1 引言
    4.2 基于三維可視化與特征點匹配的增強現(xiàn)實技術(shù)的實現(xiàn)概述
    4.3 基于Marching Cubes面繪制的三維重建技術(shù)
        4.3.1 體素和等值面
        4.3.2 基于Marching Cubes面繪制算法過程
    4.4 基于改進SURF特征點匹配的視頻圖像匹配算法
        4.4.1 基于改進的SURF特征點提取
        4.4.2 基于SURF特征點的改進FLANN匹配算法
    4.5 目標(biāo)的三維空間姿態(tài)求解和變換
        4.5.1 OpenGL的三維空間與二維空間的變換
        4.5.2 通過PnP問題求解估計三維模型的空間位姿
        4.5.3 三維模型的空間位姿變換
    4.6 實驗結(jié)果與分析
        4.6.1 增強現(xiàn)實的實現(xiàn)效果
        4.6.2 匹配跟蹤算法的性能評估
        4.6.3 三維模型位姿偏差的定量分析
    4.7 本章小結(jié)
第五章 基于骨骼組織分割與增強現(xiàn)實技術(shù)的計算機輔助骨科手術(shù)系統(tǒng)
    5.1 引言
    5.2 系統(tǒng)框架與界面設(shè)計
    5.3 計算機輔助骨科手術(shù)系統(tǒng)功能實現(xiàn)及實際病例驗證
        5.3.1 計算機輔助骨科手術(shù)系統(tǒng)的功能實現(xiàn)流程
        5.3.2 計算機輔助骨科手術(shù)系統(tǒng)功能實際病例驗證
    5.4 本章小結(jié)
總結(jié)與展望
    本文工作總結(jié)
    未來工作展望
參考文獻
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻】：
期刊論文
[1]基于SURF特征提取和FLANN搜索的圖像匹配算法[J]. 馮亦東,孫躍.  圖學(xué)學(xué)報. 2015(04)
[2]基于乘性梯度的醫(yī)學(xué)超聲圖像邊緣檢測算法[J]. 弓曉虹,鄭音飛,秦佳樂,周浩.  浙江大學(xué)學(xué)報(工學(xué)版). 2014(10)
[3]基于后驗概率熵的正則化Otsu閾值法[J]. 吳成茂.  電子學(xué)報. 2013(12)
[4]計算機輔助手術(shù)導(dǎo)航系統(tǒng)在脊柱外科手術(shù)中的應(yīng)用進展[J]. 郭乃銘,周躍.  中國矯形外科雜志. 2013(08)
[5]自適應(yīng)最小誤差閾值分割算法[J]. 龍建武,申鉉京,陳海鵬.  自動化學(xué)報. 2012(07)
[6]基于各向異性擴散的圖像降噪算法綜述[J]. 余錦華,汪源源.  電子測量與儀器學(xué)報. 2011(02)
[7]一種用于視頻超分辨率重建的塊匹配圖像配準(zhǔn)方法[J]. 孫琰玥,何小海,宋海英,陳為龍.  自動化學(xué)報. 2011(01)
[8]關(guān)于PnP問題多解的分布與解的穩(wěn)定性的討論[J]. 孫鳳梅,王波.  自動化學(xué)報. 2010(09)
[9]一種新穎的醫(yī)學(xué)圖像銳化增強算法[J]. 李均利,魏平,陳剛.  計算機工程與應(yīng)用. 2008(10)
[10]Fusion of Absolute and Recursive Information to Overcome Jitter and Occlusion in ARToolKit System[J]. 李玉,王涌天,劉越.  Journal of Beijing Institute of Technology. 2007(04)

博士論文
[1]醫(yī)學(xué)圖像分割方法研究及其應(yīng)用[D]. 鄭倩.南方醫(yī)科大學(xué) 2014

碩士論文
[1]基于肺部組織分割與檢測技術(shù)的肺功能計算機輔助診斷系統(tǒng)研發(fā)[D]. 許友彬.華南理工大學(xué) 2019
[2]基于可視化技術(shù)的計算機輔助護目鏡設(shè)計特征參數(shù)測量系統(tǒng)研究[D]. 陳晨.華南理工大學(xué) 2018
[3]基于醫(yī)學(xué)圖像分割技術(shù)的計算機輔助肺功能評估系統(tǒng)[D]. 解德芳.華南理工大學(xué) 2018
[4]基于圖割算法改進的圖像分割方法研究[D]. 王夢嬌.北京交通大學(xué) 2016
[5]計算機輔助骨科手術(shù)系統(tǒng)關(guān)鍵技術(shù)研究[D]. 許婉露.華南理工大學(xué) 2013



本文編號：3179765