基于统计形状模型的三维内耳MRI图像自动分割研究

摘要

内耳器官图像分割可以为临床诊断和治疗提供可靠的解剖信息，为内耳的三维可视化和空间方向测量提供依据，其中标准空间坐标内耳模型的建立对耳石症复位诊疗手法的理论研究具有指导性价值。由于内耳MRI图像的灰度分布与邻近的脑脊液等组织相近，同时内耳的拓扑结构复杂，所以边界不易确定。传统的图像分割方法通常仅利用了图像的灰度信息，未充分应用组织器官的解剖位置以及形状等先验信息，因此内耳自动分割的效果并不理想。针对这一问题，本文创新地提出基于统计形状模型的三维水平集内耳自动分割方法。首先，由耳科专家手动分割一组内耳模型作为训练样本，进行统计分析获得内耳的统计形状模型;接下来，通过三维刚性配准方法获得内耳的感兴趣区域;然后，将统计形状模型中的内耳平均形状模型作为水平集函数的初始轮廓，利用模型到体数据的三维配准技术将其映射到内耳感兴趣区域上，实现初始轮廓的自动定位;最后，通过三维阈值水平集分割算法完成内耳的精分割。运用面绘制方法可视化内耳的分割结果，并与耳科专家手工标定的金标准进行对比。实验结果证明，本文提出的方法能够实现内耳的自动分割，并且分割精度可以满足临床需求。此外，还研究了基于GPU数据处理的人体皮肤组织频谱域光学相干层析实时成像的问题。

目录

声明

摘要

1绪论

1．1研究背景及意义

1．2医学图像分割技术研究现状

1．3内耳图像分割技术研究现状

1．3．1内耳分割难点

1．3．2内耳分割技术现状

1．4本文研究主要内容

2内耳感兴趣区域提取技术

2．1图像配准概念介绍

2．1．1医学图像配准模块组成

2．1．2医学图像配准流程

2．2基于配准技术的内耳感兴趣区域提取

2．2．1内耳ROI配准技术模块算法选择

2．2．2内耳配准过程与实验结果

2．3本章小结

3医学图像分割方法介绍

3．1图像预处理

3．2传统医学图像分割方法

3．2．1基于区域的分割方法

3．2．2基于边缘的分割方法

3．3统计形状模型的理论

3．4本章小结

4基于统计形状模型的内耳水平集分割实现

4．1阈值区间的水平集分割的理论与方法

4．2统计形状模型结合水平集方法分割内耳的流程图

4．3基于统计形状模型的水平集分割内耳方法实现

4．3．1建立内耳的形状模型

4．3．2内耳分割策略实现

4．4内耳分割评价指标

4．5本章小结

5．1实验数据

5．2基于SSMs的水平集分割内耳实验结果

5．3对比实验

5．4本章小结

6基于GPU数据处理的人体皮肤组织实时成像实现

6．1研究背景

6．2基本原理

6．2．1实验系统

6．2．2 SDOCT成像系统原理

6．2．3数据处理模块原理

6．3 GPU的并行处理与软件架构

6．3．1硬件架构GPU

6．3．2并行计算架构——CUDA

6．3．3 GPU数据处理的过程

6．4实验结果与分析

6．5本章小结

7总结与展望

7．1工作总结

7．2未来研究方向

致谢

参考文献

附录