基于超體素的顱內出血區(qū)域分割研究.pdf

1、顱內出血(ICH)是最嚴重的急性腦血管疾病之一，也是急性神經紊亂疾病，如偏癱等的重要發(fā)病誘因。對于臨床治療來說，顱內出血的分割具有重要意義。因此，如何應用CT圖像診斷顱內出血已成為了腦醫(yī)學領域最熱門的研究課題之一。在傳統(tǒng)的醫(yī)學圖像分析中，醫(yī)學從業(yè)人員主要依靠手工測繪以及自身的經驗，通過估計得到對于顱內出血情況的判斷。圖像分割技術的引入，大大減輕了醫(yī)學從業(yè)人員的工作負擔，分割得到的量化數(shù)據(jù)也為醫(yī)學從業(yè)人員提供了精確的診斷依據(jù)。近年來各種圖

2、像分割算法接連提出，其中基于超像素，圖論和半監(jiān)督學習的圖像分割算法，由于其良好的分割性能已經成為眾多研究人員關注的熱點。超像素算法通過依據(jù)像素之間特征的相似性將圖像劃分為小區(qū)域，減少了圖像中的冗余信息，在很大程度上降低了后續(xù)圖像處理過程的復雜度?；趫D論的圖像分割算法則通過將圖像特性對應于圖論特性，將圖像分割問題轉化為網(wǎng)絡圖的分割問題，通過將圖像的全局分割與局部信息處理相結合，減少了圖像離散化造成的誤差，從而可獲得良好的分割結果。在有標

3、簽數(shù)據(jù)稀缺的情況下，基于半監(jiān)督學習的圖像分割方法可以利用大量的無標簽數(shù)據(jù)增強分割結果。
　　本研究主要內容包括：⑴研究了圖像分割領域中常用的算法及各自的應用范圍，簡要介紹了醫(yī)學圖像分割的特點以及顱內出血(ICH)的發(fā)病原理以及CT成像特點。⑵介紹了超像素算法的分類，基本原理以及優(yōu)缺點，基于現(xiàn)有的超像素算法，結合顱內出血區(qū)域分割這一應用場景，提出了一種新的超體素算法。⑶介紹了圖割算法的基本原理以及優(yōu)缺點，針對基于圖割的圖像分割算法中

4、人工參與和模型估計不足的問題，提出了一種基于高斯混合模型(GMM)的有監(jiān)督圖割算法。該算法根據(jù)醫(yī)學圖像的特性，利用已有的有標簽數(shù)據(jù)為先驗知識，通過GMM算法建立前景及背景的模型，使得基于圖割的圖像分割算法能夠實現(xiàn)全自動分割。⑷介紹了Tri-training算法的基本原理以及優(yōu)缺點。結合超體素的特性，針對醫(yī)學圖像分割中有標簽樣本獲取困難這一情況，提出了一種基于超體素和Tri-training算法的顱內出血區(qū)域分割算法。該算法利用醫(yī)學圖像處