mri脑图像基底核区部位的分割算法研究.pdf

MRI 脑图像基底核区部位的分割算法研究 中文摘要 医学图像分割问题一直是图像处理领域中的经典难题。大脑组织具有特别复杂 的结构，为了能够展开有效地后继处理，脑组织图像分割显得格外关键。 本文的目标分割区域基底核区是大脑深部一系列神经核团组成的功能整体，其 主要功能为自主运动的控制并同时参与记忆，情感和奖励学习等高级认知功能。但 是目前尚未见到针对于像基底核区这样的多组织脑解剖结构的一种有效分割。 首先，本文对当前常见的医学图像分割方法进行了归类整理，简要阐述了各类 算法的特点与原理，把其中有代表性的算法应用于本文的待分割目标区域，并就结 果分析讨论了这些算法在基底核区部位的分割缺陷。 其次，针对待分割区域的特点，本文提出了一种结合区域生长和形态学的 MRI 医学图像脑组织分割方法，其采用了灵活的种子点选取方式，以区域生长算法为中 心，结合先验知识，并以多种形态学算法作为后续精细修正处理步骤，它们相互补 充，从多个角度来处理分割障碍，从而在复杂背景中实现对基底核区的有效分割。 相对于传统的区域生长算法，本算法通过多种种子点选取方法以降低分割结果对初 始种子点选取的依赖性，并尝试采用形态学方法解决传统区域生长算法对局部极值 的敏感和复杂背景下固有的相邻组织灰度交叠而产生的多余分割情形。 最后，根据高斯核模糊聚类算法的特点和提供的良好接口，引入一种结合共生 矩阵纹理的脑组织分割方法。算法考虑了目标区域的纹理特征，并借鉴参数形变模 型的初始化轮廓线方法, 引入专家经验，消除模糊分类间断的缺点，采用形态学作 为后续处理，最终提取出了有意义的分割结果。因为采用由确定性均值聚类得到的 结果作为类别初始代表点，故而相对于传统的模糊聚类方法，提高了准确度，并由 于使特征矢量集中于目标区域，使分割算法更加有针对性，从而也加快了分割速度。 关键词：基底核区分割；区域生长；数学形态学；共生矩阵；核模糊C 均值聚类。 作 者：朱兴瑞 指导教师：侯 嘉 I The Study of Basal Ganglia Segmentation Algorithms Based on Brain MRI Abstract Medical Image Segmentation has been the classic problem in the field of image processing. The brain has a very complex structure, and if we want to engage in the effective follow-up steps of treatment, segmentation in brain tissue is especially critical. Magnetic Resonance Imaging (MRI) is highly similar to soft-tissue resolution and imaging anatomy atlas-like display. The basal ganglias main function is to exercise self-control and also involved in memory, emotion and reward. Basal ganglias lesions can cause a variety of exercise and cognitive dysfunction, including Parkinsons disease and Huntingtons, etc.. But as ye