用户登录  |  用户注册
首 页毕业论文毕业设计下载定做交易过程截图支付宝在线支付
当前位置:完美毕业网毕业设计下载电子信息自动化通信毕业设计

基于多角度空间特征点集的脑血管分割系统

联系方式:点击这里给我发消息QQ212181988
官方主页:www.biye114.com
图片预览: 没有预览图片;论坛转帖
插件情况:
售后服务:请联系客服QQ:212181988
一键分享拿折扣:
  • 好的评价 如果您觉得此软件好,就请您
      0%(0)
  • 差的评价 如果您觉得此软件差,就请您
      0%(0)

软件简介

 摘 要
脑血管疾病严重损害着人们的生活健康,数字减影血管造影技术(DSA)所生成的脑血管组织图像能够真实反应脑血管的形态及结构,该技术是当前检查脑血管病变最主要的方法之一。在复杂的脑血管图像提取出精确的血管组织图像是脑血管临床诊疗中的关键。
然而患者运动产生的运动伪影以及不同器官之间产生的交叉映射严重影响了DSA脑血管图像的质量,从而直接影响医生的诊断与治疗。因此,必须将脑血管从DSA脑血管图像中分割出来,从而通过分割后得到的脑血管图像对脑血管病变程度进行准确的度量。本文就DSA脑血管图像血管分割的临床实际问题进行了研究,提出了一种自动且精确的分割方法,可以良好地从多角度DSA图像数据集中提取脑血管组织图像。
本文所阐述的基于多角度空间特征点集的脑血管分割系统的操作过程如下:首先对活片图像和蒙片图像进行粗配准操作,消除大部分的运动伪影,得到序列化减影图像;然后,在脑血管减影图像中提取几何特征点;其次,充分利用相邻图像的上下文特征点信息,以及空间旋转坐标模型,对错误的特征点进行剔除处理;最后,基于得到的特征点集,本文提出一种基于动态阈值与区域生长的混合算法实现血管图像分割,同时提出优化方案,来加速算法的运行速度。经过与其他血管分割方法进行对比实验后,结果表明,利用本文提出的脑血管分割系统可快速且准确地得到血管组织图像,为后续的血管三维重建打下坚实基础,同时为相关脑血管疾病的临床诊疗提供技术支持。

关键词:数字血管造影;SIFT特征点;动态阈值;区域生长;血管图像分割

目 录
摘 要 I
Abstract II
1 绪 论 1
1.1 研究背景及选题意义 1
1.2 国内外研究现状 2
1.3 本文研究内容及创新点 3
1.4 本文组织结构 4
2 血管图像分割相关的理论和技术 5
2.1 DSA的介绍 5
2.2 图像配准的介绍 6
2.3 图像分割的介绍 7
2.4 图像特征检测的介绍 8
2.5 相关库的介绍 9
2.6 本章小结 9
3 基于多角度空间特征点集的脑血管分割系统分析 10
3.1 系统的总体分析 10
3.2 系统的功能性需求 11
3.3 系统的非功能性需求 11
3.4 系统的可行性分析 12
3.5 本章小结 12
4 基于多角度空间特征点集的脑血管分割系统设计 13
4.1 系统总体设计 13
4.2 活片蒙片初配准 14
4.3 几何特征点提取模块设计 14
4.4 剔除错误几何特征点模块设计 15
4.4.1 几何特征点集作差 15
4.4.2 空间旋转坐标系模型 15
4.4.3 调整几何特征点的位置 17
4.5 脑血管图像分割模块设计 19
4.5.1 动态阈值 19
4.5.2 区域生长算法 21
4.6 本章小结 22
5 基于多角度空间特征点集的脑血管分割系统实现 23
5.1 系统界面实现 23
5.1.1 数据读取与显示 24
5.1.2 进度条更新 25
5.1.3 几何特征点数据与文件之间的转换 25
5.2 初配准模块实现 25
5.3 几何特征点提取模块实现 28
5.4 剔除错误几何特征点提取模块实现 29
5.4.1 几何特征点集作差实现 29
5.4.2 旋转空间坐标系模型实现 30
5.4.3 调整几何特征点位置实现 32
5.5 脑血管图像分割模块实现 33
5.5.1 动态阈值实现 34
5.5.2 区域生长算法实现 36
5.6 本章小结 38
6 基于多角度空间特征点集的脑血管分割系统评估 39
6.1 活片图像与蒙片图像配准评估 39
6.1.1 活片图像与蒙片图像配准实验消耗时间评估 39
6.1.2 活片图像与蒙片图像配准效果评估 40
6.2 脑血管分割评估 42
6.2.1 脑血管分割消耗时间评估 42
6.2.2 脑血管分割结果评估 43
6.3 脑血管分割结果参数化评估 46
6.3.1 脑血管分割参数化评估方法 46
6.3.2 脑血管分割参数化评估结果 47
6.4 本章小结 49
结 论 50
参 考 文 献 51
攻读硕士学位期间发表学术论文情况 54
致 谢 55

1 绪 论
本章首先综述了脑血管分割系统的研究背景及选题意义,在介绍了国内外对脑血管分割问题的研究现状后引出了本文提出的基于多角度特征点集的脑血管分割系统与其他研究相比之下的创新之处,最后了给出了论文的整体结构安排。
1.1 研究背景及选题意义
在过去四十年中,利用计算机技术实现图像处理被频繁地应用到了医学当中。在医学诊断中,医学图像扮演着重要角色。对医学图像的研究是计算机与医学结合的交叉学科范畴。借助图像或者图形等技术,医疗诊断水平大大提高,医学图像已经成为医生进行病情分析的重要手段之一。同时,医学图像对医学教学、医学研究以及临床医学有着极其重要的意义。主要表现在以下几个方面:
(1)医学图像能够直观展示人体器官组织、病灶边缘以及病变的面积,利于医生对病情进行诊疗;
(2)医学图像可以作为图像分析的前提,通过对不同的医学图像进行处理,可以将信息进一步的突出。例如对不同模态下的图像进行配准,方便医生观察同一器官在不同模态下的情况;
(3)医学图像可以作为医学图形三维重建的前提,基于二维医学图像,重建出三维医学图形从而对手术进行仿真、评估。
随着大量高精度的医疗成像设备的出现以及高速计算机的引进,医学成像效果有了明显提升,为医生的诊断与治疗提供了有价值的图像信息。与此同时,也进一步促进了医学图像分割方向的进一步研究。
目前,医学图像分割是当前医学图像处理领域中较为前沿的研究课题。在众多学者们不懈努力下,各种医学图像分割方法不断涌现,交相辉映,成绩斐然。其中,由于脑部血管图像结构比较复杂,并且脑部血管中存在很多微小的毛细血管,大大地增加了脑血管图像分割的难度。因此,脑血管图像的分割一直是当前医学图像分割的重点与难点。
脑血管疾病是由于头颅内部的血液循环出现障碍,从而导致的脑组织损失的一种常见疾病[1]。我国卫生部门的通报表明,血管疾病死亡人数占第一位,比例高达22.45%。因此,脑血管疾病的诊疗已经迫在眉睫。在现在的医学中,为了更好的协助医生对脑血管疾病进行临床诊断,通常使用电脑技术来获得脑血管图像,利于医生直观的进行诊疗,从而产生更好的治疗效果。
目前,在临床医学当中,有多种脑血管疾病的检查方式,常见的脑血管疾病检查技术包括数字减影血管造影技术(,简称) [2]、磁核共振血管造影技术(,简称)、断层扫描血管造影技术(,简称)等等。相比较其他技术而言,由于DSA技术可以实现血管可视化,能够直接且真实的反映出脑血管的结构、形态,提供脑血管疾病的诊断与介入治疗的重要依据,因此技术被广泛的应用在了血管成像的可视化系统当中[3],被称为血管疾病检测中的黄金标准[4]。
从脑血管图像中分割血管是血管图像配准[5,6]、血管三维重建[7]与血管运动估计[8]的重要基础。同时,对脑血管分割后的结果可以作为脑血管结构的不同特征的定量描述,医生通过观察和比较脑血管的组织结构,可以对病患的病情做出正确的判断[9]。
然而,脑血管图像中仍然会存在许多问题,由于患者在采集脑血管图像的过程中存在吞咽等运动,会导致脑血管的成像结果产生大量的运动伪影。同时,由于脑内其他器官的重叠,在成像的过程中,与血管会产生交叉映射,导致脑血管难以区分。并且在图像采集的过程中,造影剂的浓度会不断的发生变化,高低参差。由于这些问题的存在,得到的脑血管图像中会存在模糊性,血管部分成像存在较大差别,给医生的诊疗的带来不便。
基于上述问题,如果能够从脑血管图像中准确提取出脑血管图像,从而获得准确,更有价值的脑血管信息,将方便医生对脑血管疾病做出更快更准确的诊断,对临床上的辅助诊断十分有利。因此,脑血管图像的分割问题具有重要的研究价值和意义。
1.2 国内外研究现状
目前,国内外学者针对血管图像分割问题的研究卷帙浩繁,但是每种方法都存在其使用的局限性,因此血管图像分割仍然是当前研究的难点与热点。目前,从技术角度出发,可以将现有的血管分割方法分成如下几类:
(1)模式识别法
采用模式识别法,可以对目标血管进行自动检测,这一类方法中,具有代表性的是由RT Ritchings等人提出的采用句法模式,首先利用边缘探测器对血管的边缘进行检测,然后利用血管边界的平行性与对称性完成了背景分割,从而分割出血管[10]。国内,孙开琼等人提出的形态学血管分割方法,也是模式识别算法中的一种[11]。孙开琼等人通使用一种线性结构元素来提取血管的整体结构,采用分水岭算法来确定血管边界,最终实现血管分割。国外,M Donizelli等人提出了头帽法,通过提取线状结构的形态学的滤波特征,对血管进行分割[12]。
(2)模型法
模型法基于一致血管模型,来获得血管的结构。在模型法中,最有代表的是由M Kass等人提出的蛇形样条()模型方法[13],在确定的未提取血管部分的基础上,对样条进行不断的改进,从而逼近血管边缘,但该算法运算量巨大。UTV Nguyen等人提出了一种多尺度的线性模型,通过线性检测器的改变来判定血管边缘[14]。R Estrada等人提出了森林模型,基于最短距离算法,实现血管分割[15]。但模型法具有显而易见的缺点即需要先验的血管模型,一张模板图像作为先验知识,无法自动的完成分割。
(3)神经网络法
神经网络法是一种基于分类的方法,在各个领域应用广泛。其特点是需要大量的训练数据,采用神经网络法能够较好的解决图像中不均匀以及噪声等问题,其关键点在于选择何种网络结构。R Nekovei等人通过反响传播神经网络的方法,对血管造影图像中的血管进行了分割[16]。G Azzopardi等人采用了一种过滤器的方法,对多张已经区分开的血管与背景进行训练,根据训练结果进行血管分割[17]。
(4)跟踪法
跟踪法是目前使用中最为广泛的一种血管分割算法,其本质原理是在已知血管结构的前提下,采用局部算法对血管进行跟踪,通过分析跟踪方向上的像素点来检测血管边缘。S Aylward等人提出了根据灰度脊的方法来估计血管中心线,但该方法首先需要知道跟踪的起始点位置[18]。P Bankhead等人提出通过小波变换的方法来估计血管的中心位置[19]。S Park等人提出了一种轮廓提取算法,根据相邻像素的最大相似性对边缘位置进行估计[20]。
(5)聚类分析法
聚类分析方法是根据图像之间不同区域之间的相似度来分割图像。其中Cui W等人提出的模糊C均值聚类()算法是实际中较为常用的聚类分析算法[21]。
1.3 本文研究内容及创新点
本文基于目前研究现状,展开了对脑血管分割问题的研究。现有血管分割方法都需要先验知识和良好的初始条件或者需要人工参与,并且每次只能处理一对图像,忽略了相邻图像的上下文信息。
针对脑血管图像分割这一问题,本文阐述了一种基于多角度空间特征点集的脑血管分割系统。该系统的核心算法充分利用了相邻图像之间的上下文信息。本文所研究的脑血管图像分割系统各个阶段的处理过程概括如下:
(1)对图像进行粗配准操作。首先对采集到的序列化活片图像和序列化蒙片图像实施初配准操作,配准操作后,得到序列化减影图像;
(2)提取几何特征点集。对配准后的减影图像进行分片操作,然后在减影图像的上下片中分别提取出几何特征点集;
(3)剔除错误特征点。通过对减影图像几何特征点集与蒙片图像几何特征点集作差操作,剔除部分不在血管上的错误特征点。然后,通过一种空间旋转坐标系模型,充分利用相邻图像上下文几何特征点信息,剔除错误的几何特征点,将剩下的几何特征点集作为区域生长算法的种子点集;
(4)动态阈值算法确定生长法则。分别计算图像上下片的动态阈值,并且在计算动态阈值的过程中引入了积分图像,从而更快计算出恰当的阈值;
(5)基于动态阈值,采取区域生长算法分割出脑血管图像。同时,在生长的过程中引入一种哈希方法,大大缩减了区域生长算法所需要的时间,能够快速准确的完成血管图像的分割。
1.4 本文组织结构
第1章为绪论。本章主要介绍了脑血管图像分割系统的研究背景和意义,同时对血管图像分割研究的发展现状以及本文的创新点进行了综述。
第2章为血管图像分割系统相关理论和技术简介。本章简要描述了脑血管图像分割系统中所运用到相关知识,同时介绍了图像处理的相关理论,以及相应的开源库与框架。
第3章为基于多角度空间特征点集的脑血管分割系统分析。本章通过对脑血管图像分割系统总体进行分析,明确了系统的各方面需求。
第4章为基于多角度空间特征点集的脑血管分割系统设计。本章详细探讨了脑血管图像分割系统各个功能部分的设计,并为脑血管图像系统奠定了理论基础。
第5章为基于多角度空间特征点集的脑血管分割系统实现。本章中,根据所提出的系统设计方案,阐明了脑血管图像分割系统各个部分的详细实现方式。
第6章为基于多角度空间特征点集的脑血管分割系统评估。本章中,对脑血管图像分割系统进行了评估。评估标准主要是依据分割结果以及算法所需时间。通过与其他血管分割方法的比较试验,实现对系统的评估。

下载地址

点击此处→注册会员上传设计赚钱
以上是大纲和介绍,如需要完整的资料请在线购买.

软件评论评论内容只代表网友观点,与本站立场无关!

   评论摘要(共 0 条,得分 0 分,平均 0 分) 查看完整评论

下载说明

* 本站所有资料均已审核通过,内容原创保密,标准格式,质量保证
* 无需注册,点击在线购买后即可获取该套毕业设计(论文)完整
* 支付后请联系在线客服QQ:212181988发送资料
  • 官方微信