本文關(guān)鍵詞：輔助臨床診斷中的脊柱圖像關(guān)鍵特征提取量化算法研究

  更多相關(guān)文章： 椎間盤定位 Gabor濾波 退行性變 腰椎不穩(wěn) KLT

【摘要】：下腰痛(lower back pain,LBP)是世界范圍內(nèi)流行的一種疾病,超過80%的人受其困擾。該病的成因雖然尚不明確,但目前普遍認(rèn)為椎間盤的退行性變是初始疼痛的成因。T2權(quán)重核磁共振圖像(magnetic resonance image,MRI)能夠展現(xiàn)椎間盤形態(tài),因此傳統(tǒng)方法通常聯(lián)合此項技術(shù)與能夠評價腰椎功能活動度(range-of-motion,ROM)的臨床檢測評估脊柱健康,然而,這些主觀測量無法很好地和疼痛聯(lián)系在一起,也無法對病人患病程度實現(xiàn)有效的分類。因此,脊柱運動的改善量化及椎間盤的客觀MRI測量都是十分必要的。本論文以此為出發(fā)點,分別基于MRI圖像和量化X線技術(shù)(quantitative fluoroscopy,QF)對椎間盤的退行性變分級和腰椎椎體運動規(guī)律進行研究,研究內(nèi)容主要分為以下三個方面:其一,提出了基于Gabor小波(wavelet)的椎間盤定位算法。首先通過對一系列脊柱Gabor特征圖像的處理得到脊柱和椎間盤的邊緣信息,隨后基于脊柱邊緣信息提取脊柱區(qū)域,最后根據(jù)以上信息及椎間盤位置的先驗信息在脊柱區(qū)域定位椎間盤。其二,在椎間盤定位結(jié)果的基礎(chǔ)上,提取橢圓形的椎間盤區(qū)域,通過對該區(qū)域圖像灰度與小波系數(shù)分布特性的比較研究,提出了通過小波系數(shù)區(qū)分髓核與纖維環(huán)的方法,并利用二者的灰度比值以及椎間盤的高度信息實現(xiàn)了椎間盤的退行性變分級。其三,采用Forbin的理論,分別利用最大互信息(mutual information,MI)的方法和基于KLT(Kanade-Lucas-Tomasi)的方法對椎體角點進行追蹤,并對兩種方法的結(jié)果進行了比較。最終實現(xiàn)了前屈后伸運動和左右側(cè)屈運動下對矢狀位和冠狀位上椎體的跟蹤,并測得與臨床相關(guān)的運動參數(shù)。對退行性變分級算法的研究通過37例患者MRI數(shù)據(jù)驗證了其準(zhǔn)確率和可行性,其中定位準(zhǔn)確率可達(dá)96.6%,在與已有方法準(zhǔn)確率相當(dāng)?shù)那闆r下降低了算法復(fù)雜度,并將定位精度提高至1.46 mm,分級算法可以實現(xiàn)前5級的退行性變評定。而在腰椎椎體運動規(guī)律的研究中,實驗結(jié)果表明基于KLT的追蹤算法在準(zhǔn)確性和速度上都優(yōu)于基于互信息的方法,此外,基于仿真模型數(shù)據(jù)的測試驗證了參數(shù)計算的準(zhǔn)確性。
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;R681.5
，

本文編號：1219360