第一章绪论
1.1论文研究的目的和意义
1.1.1医学图像处理的特点及重要性
医学图像处理技术包括很多方面,如:图像恢复、图像重建、图像分割、图像提取、图象融合、图象配准、图像分析、图像识别等等。进行医学图像处理的最终目的是实际应用于医学辅助、工业区生产、科学研究等方面,所以其具有较广泛的应用价值和研究意义。医学图像处理的对象是各种不同模态的医学影像。在医学临床的使用中,医学影像主要有超声波(UI)、X-射线(X-CT)、核磁共振成像(MRI)、核医学成像(NMI)等。随着计算机技术的发展,医学影像技术已成为一门新兴交叉学科,目前是计算技术与医学结合技术中发展最快的领域之一。借助有力的医学图像处理技术手段,极大的改善了医学影像的质量和显示方法,其成果使临床医生能更直接、更清晰地观察人体内部组织及病变部位,确诊率也得到了提高。这不仅使医学临床诊断水平在现有的医疗设备的基础上得到极大地提高,并且能使医学研究与教学、医学培训、计算机辅助临床外科手术等实现数字化应用,从而为医学研究与发展提供坚实的基础,在医学应用中具有不可估量的实用价值。
医学图像与普通图像相比,具有以下几方面的特点(1)医学图像具有灰度上的含糊性。表现为两方面:一方面是由于成像技术上的原因带来的噪声扰,往往使物体边缘的高频信号被模糊化;另一方面,由于人体组织的螺动等现象会造成图像在一定程度上产生模糊效应。(2)局部体效应。处于边界上的像素中,通常同时包含了边界和物质,使得难以精确地描述图像中物体的边缘、拐角及区域间的关系,加之假如出现病变组织,则其会侵袭周围正常组织,导致其边緣无法明确界定。
1.2论文的研究目标及工作
1.2.1论文主要涉及的三方面基础理论
论文主要涉及马尔科夫随机场(MRF)理论、模糊集理论及Dempster-shafe证据理论三个方面的基础理论,下面分别作介绍:1)马尔科夫随机场(MRF)理论基于随机场的图像分割方法是一类考虑像素点间的空间关联性的统计学方法。其实质是从统计学的角度出发,将图像中各像素点的灰度值看作是具有一定概率分布的随机变量,从而对数字图像进行建模。Cristian Lorenz等人,在医学图像分割中提出了一种可应用于任意拓扑结构的新型统计模型。根据马尔科夫随机场图像模型,利用最大后验概率准则(MAP),提出一种迭代松弛算法。MRF模型能够区分不同纹理的分布,其特别适用于纹理图像的分割。但使用MRF模型进行分割的关键问题在于参数估计,所以分割的效果往往取决于对参数估计的准确度。为此通常在分割与参数估计间进行轮流迭代计算,例如:先初始化参数,在此基础上分割,再利用分割的结果对参数进行进一步的估计,然后再分割,如此直到满足收敛条件。然而此类方法只能利用单一的图像信息,不能综合利用多种图像信息。
第二章马尔科夫随机场(MRF、理论及其应用
马尔科夫随机场简称,是英文Morkov Random Fields的缩写。它包含了两层意思:一个是马尔科夫(Morkov)性质;一个是随机场性质。它是基于统计学的分割方法在医学图像分割的应用中,最为常用的一种方法。图像具有高度的空间信息相关性,而马尔科夫随机场(腫)恰好具有有效描述空间信息相关性的特点,加之其具有完善的数学理论和性质,所以广泛的被应用于图像的处理中,如:图像的恢复、纹理的提取、模板的匹配和图像的分割等。娜于图像的分割,对噪声有很好的抑制作用;同时是基于模型的方法,所以容易与其它方法结合是它的优点。在本文中主要用于脑部—图像的预处理及前期的分割。下面介绍马尔科夫随机场(MRF )的基本理论及其在本文中的应用。
2.1马尔科夫随机场CMRF )基本理论
2.1.1一维马尔科夫(MARKOV)随机过程
过程(或系统)在Zg时刻(即? = /q)的状态己知,若过程在/Q后面的时刻,即的状态与过程在时刻之前(即
2.2图像中马尔科夫随机场、MRF )模型的建立
2.2.1邻域系统与势团(Cliques)
由本文2.1.2小节中马尔科夫随机场(娜)的定义中,任何满足条件1)非负性的概率都由条件2)中的描述马尔科夫(MARKOV)性的条件概率所唯一确定。条件2)中的条件概率所描述的也称为随机场F (本文中也即数字图像)的局部特性。而条件2)中的条件概率的直接求得是很困难的,由概率论中条件概率的公式可知要求的尸C/i 需要知道即需要知道随机场的联合分布,而马尔科夫随机场)是用条件概率来定义的,不能很好反映的联合分布。也就意味着由马尔科夫随机场(MRF )的局部特性来定义整个场的全局特性是存在困难的。以上问题的解决要归功于Hammersley-Clifford定理,该定理给出了马尔科夫随机场随机场(MRF )与吉布斯随机场(GRF )的等价关系,从而可以用吉布斯(Gibbs)分布来求解中的概率分布问题。
1.1论文研究的目的和意义………………1
1.1.1医学图像处理的特点及重要性……………… 1
1.1.2医学图像分割中存在的问题、现状及发展………2
1.1.3医学图像分割的方法………………
1.2论文的研究目标及工作………………6
1.3本文组织结构………………9
第二章马尔科夫随机场(MRF、理论及其应用………………11
2.1马尔科夫随机场、MRF )基本理论……………… 11
2.2图像中马尔科夫随机场QMRF )模型的建立………12
2.3估计准则与优化算法………………16
2.4本章小结………………19
结论
基于D-S证据理论的医学图像融合分割技术是信息融合的一个富有特色的领域,不仅有机地结合各种医学影像信息,也给医学临床诊断开拓了新的思路、提供了新的标准。它不仅是近年来的研究热点,也是当代医学图像处理领域的前沿课题,在临床信息诊断方面将有非常广阔的应用前景。由于本文开展时间有限,加之本文的算法和实验是探索和尝试性的,因此,尽管本文对D-S理论结合马尔科夫随机场理论和模糊集理论在医学图像融合分割方面的应用进行了较为深入的研究,也在算法上提出了一些新的方法,得到了一些具体的结论,但是仍然存在很多问题值得进一步研究、验证、改进与拓展的地方。今后工作中,还需做进一步的研究的是以下几方面:1.目前关于医学图像的分割方法中,还没有一种方法是通用的、稳定的。而且大部分方法还是半自动的分割方法,还需要人为的干预,所以如何提高算法的自动化程度将是值得研究的2.对于图像的融合分割问题,本文对单一成像源的人脑MRI的T2图像的不同方法的分割结果进行重新整合,而如果能对人脑同一切片位置的不同成像源(CT和MRI)的图像做融合配准进行实验研究,而这将是非常有研究意义和应用价值的。但从本文的研究结果来看,D-S理论具有很好的整合不同来源信息的能力,所以本文的工作是朝此方向迈进的一个开始,同时也是基础。3.在本文中仅研究了一维直方图情况下,多种来源图像的基本概率赋值的获取,而二维直方图能更多的反应像素的特征信息,所以研究二维直方图情况下,多种来源图像的基本概率赋值问题将是我们下一步的工作。4.目前,医学图像分割方法众多,但分割的效果怎么样,通常是主观的判断,或者将人工分割结果作为标准进行比较,因此此类评价往往有很强主观性。对分割效果的评价,目前还没有一种通用的客观评价方法。所以,今后对分割结果的客观评价方法的研究也将是重要的课题。
参考文献
[1]孟令旗.基于水平集的医学图像分割算法研究[D].上海大学硕士论文,2008-2.
[2]聂生东,章鲁,顺德,陈瑛,庄天戈.磁共振图像的分割国外医学:生物医学工程分册,1999, 22(6): 349-355.
[3]李强.医学图像分割进展[J].中国医疗设备,2010, 25(5): 120-124.
[4]李環,朱善安,Bin He.医学图像分割技术[J].生物医学工程学杂志,2006, 23(4):891-894.
[5]史睿琼.脊柱MRI图像椎间盘定位及椎骨分割算法的研究[D].北京交通大学硕士论文,2008-5.
[6] W. E. L. Grimson, GJ. Etinger, T. Kapur. Utilizing segmented MRI data inimage-guided surgery. Patt, Recog, Artificial Intell, 1996, 11:1367-1397.
[7] Matthew C. Clark,LawrenceO. Hall, Dmirty B. www.51lunwen.org/jcyx/ Goldgof, et al. Automatic TumorSegmentation Using Knowledge Based Technique [J]. IEEE Trans. Medical Imaging, 1998,17(2): 187-201.
[8] W. M. Wells, W. E. L. Grimson, R. Kikins, et al. Adaptive Segmentation of MRI Data.IEEE Trans [J]. Medical Imaging, 1996,15(4): 429-442.
[9] C. Tsai. Automated segmentation of brain MR images [J]. Pattern Recogni
