基于多圖譜分割的融合算法研究.pdf_第1頁
已閱讀1頁,還剩42頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、人體大腦結(jié)構(gòu)復(fù)雜且功能各異,如海馬體、扁桃體、顳上回、小腦、腦干、尾狀核等關(guān)鍵腦結(jié)構(gòu)與多種腦部疾病息息相關(guān),對其精準(zhǔn)分割是臨床診斷中醫(yī)生進(jìn)行相關(guān)定量分析的前提,因此多圖譜分割技術(shù)成為了當(dāng)前國內(nèi)外的研究重點。多圖譜分割技術(shù)主要包括兩個關(guān)鍵步驟,分別為圖像配準(zhǔn)和標(biāo)記融合。將多個圖譜與目標(biāo)圖像進(jìn)行配準(zhǔn)并選擇合適的標(biāo)記融合算法對配準(zhǔn)后的圖譜進(jìn)行融合得到最終的分割結(jié)果。為了使得分割的結(jié)果更準(zhǔn)確,需要選擇合適的標(biāo)記融合算法,以便于配準(zhǔn)后的圖像在融合

2、過程中實現(xiàn)高精度,從而對每個初始分割中的信息進(jìn)行有效的提取,使得最終的分割結(jié)果具有代表性。標(biāo)記融合方法中用的比較廣泛的有多數(shù)表決算法(MajorityVoting,MV)[1]、STAPLE算法[2](Simultaneous Truth and Performance Level Estimation)和COLLATE算法[3](Consensus Level,Labeler accuracy and Truth Estimation

3、)等。MV沒有考慮到各個分割圖像的差異性,STAPLE算法沒有利用圖像的先驗信息。為了獲得更高的分割精度,本文首先對腦部MR圖像進(jìn)行預(yù)處理,包括顱骨剔除、濾波、灰度歸一化以及直方圖匹配等處理并對多個組織進(jìn)行配準(zhǔn),然后對基于配準(zhǔn)的多圖譜融合算法進(jìn)行深入的研究并進(jìn)行改進(jìn),主要內(nèi)容如下:
  (1)圍繞人腦MR圖像,研究分析了當(dāng)前使用比較廣泛的MV融合算法和STAPLE融合算法,并使用這兩種方法對配準(zhǔn)后的腦部圖像的多個組織進(jìn)行融合,同時

4、選擇與金標(biāo)準(zhǔn)的相似性測度作為融合結(jié)果的評價標(biāo)準(zhǔn),將這兩種方法融合的結(jié)果與最優(yōu)單圖譜分割結(jié)果進(jìn)行比較。
  (2)在MV融合算法的基礎(chǔ)上提出一種新的加權(quán)改進(jìn)融合算法(Weight-Voting),利用圖譜和目標(biāo)圖像之間的相似性測度作為圖像融合的權(quán)重,并分別對多個配準(zhǔn)后的腦部組織進(jìn)行融合,并將本文算法分別與最優(yōu)單圖譜、MV、STAPLE融合算法進(jìn)行了比較。
  實驗結(jié)果表明,多圖譜分割方法分割精度要高于最優(yōu)單圖譜分割方法,本文提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論