- 相關推薦
探究醫學超聲圖像分割技術以及發展方向
畢業論文是檢驗在校學習成果的重要文檔，如何寫好畢業論文也成為每個即將畢業的學子最關心的事情之一，可以參考一些優秀的論文范文喔!
【摘 要】：圖像的分割技術占據了醫學超聲圖像中定性、定量分析領域中十分重要的地位，預計在今后的幾年三維超聲圖像分割技術將成為醫學超聲圖像分割技術的主力軍，對病情的分析、診斷起到直接影響作用。在對醫學的超聲圖像特性進行分析的基礎上，分別對醫學的超聲圖像進行了分割方法的介紹及評價，并對其發展的方向、趨勢進行了簡單的探討。而三維的超聲圖像分割技術正快速發展著，其在醫學診斷的過程中可以幫助醫生更好的分析、診斷病情。
【關鍵詞】：醫學;圖像分割技術;方向
1 引 言
隨著醫學超聲圖像分割技術的迅猛發展，動態規劃模型以及水平集模型等技術使得三維圖像的分割技術以飛快的速度發展著。圖像分割是計算機進行臨床輔助診斷的重要方式，可以用于病情的實時監控以及疾病的準確定位等環節。為保證從超聲圖像中獲取準確的臨床診斷信息，先進的圖像分割技術是不可或缺的。
2 圖像分割的目的和意義
傳統醫學超聲圖像的分割技術主要有兩類，以邊緣檢測為基礎的方法和以區域生長為基礎的方法。通常為了能夠取得更好的分割效果，在實際的應用中，往往將這兩種方法結合在一起使用。以區域生長為基礎的法，這種圖像的分割方法，則是將象素按照一些規定的特征，分類劃分到不同的區域中去，因此每個相鄰的區域都具有不同的均勻性。主要的基礎技術有：合并技術、分裂技術以及隨機場技術。以合并、分裂技術為基礎的區域生長法，主要分為：合并、分裂、合并-分裂結合這三種方法。合并的方法：首先將整幅圖像劃分成多個相同的基礎區域，然后分辨各個區域的均勻性，將均勻性相近的進行合并，使得最終所得的區域達到一定的均勻性;分裂的方法：將整幅圖像均分為四份，然后以分裂的結果作為下一次的分裂模板，只要區域的分割結果不能達到一定均勻性，就不斷對區域進行下一次分裂，直到各個區域的均勻性都得到滿足;合并-分裂相結合的方法：將相鄰并且特征相似的區域進行合并，不均勻的區域不斷進行分裂。
這些方法對圖像有一個共同的基本要求：高像素。高像素保證了圖像的清晰度和質量，這樣可在進行圖像合并或分裂的處理時，不會處理過度，導致結果的失真。通常這些方法都只是作為其它超聲圖像分割技術的輔助來應用的，因此在這方面可用借鑒的資料少之又少。以隨機場技術為基礎的圖像分割法，相互作用模型在隨機場中是利用空間區域的相關知識，再結合模擬退火及一些概率論的知識等優化方法對圖像加以分割。但這種方法非常容易導致誤分類的產生，紋理邊界極難進行分割，因此，在醫學超聲圖像分割技術中的應用也并不是太廣泛。
3 醫學圖像分割技術的發展
近幾年來，出現了許多新興的圖像分割技術，研究者們圍繞其進行防范研究，并取得了不小成就。以形變模型中的動態規劃模型為例，以動態規劃模型為基礎的分割方法，首先應人工選擇原始圖像的起點、終點，求算出最初代價陣。之后再用選擇的初始點與最初的代價陣，求得累積代價陣，然后由終點向著起點進行反向記錄，畫出最后的邊界線。
本文依據此分割法進行實驗，實驗結果顯示該算法能夠取得最優解，噪音對圖像分割的影響也不明顯，只是還需要注意幾個方面：
復雜的計算過程，累積代價陣的計算過程十分復雜，因此會耗費大量時間，可以說是整個運算過程中的重點、難點;
初始點、終止點的選擇，極大的影響著分割結果，因初始點、終止點的不同可以形成不同的分割結果。(其中a為原始圖像，標志點位臨床醫生所標;b、c、d為不同初始點、終止點情況下的不同分割結果)如圖1所示
4 醫學圖像分割技術概述
劃分醫學圖像的區域有時候并不十分容易，由于醫學成像系統具有其自身獨特的物理特征，還有機體不同的組織吸收能量的能力略有不同表現在圖像上為成像時會有一定的差異即醫學圖像具有的不確定性、模糊性。在描述醫學圖像中的目標物體時應用圖像的模糊性，
以邊緣檢測為基礎的法，以邊緣檢測為基礎進行分割的方法，是根據圖像的像素特征進行檢測，由于其局部特征具有突變性、不連續性，由此可以描繪出幾條邊界，最后將圖像分割成為幾個不同的區域。因此，選出一個基礎點作為檢測點，根據檢測點以及檢測點的相鄰點檢測的象素作為特征值，再根據其檢測值來獲得不同區域間的邊界。但是，有時根據圖像的像素進行邊界描繪時，由于相鄰點的像素檢測的信息并不匹配，使得描繪的圖像邊界不完整、封閉，故無法成功將圖像進行區域分割。這時，為了勾畫出有意義的圖像邊界，對于那些間斷不連續的邊緣點就要采用一定的算法將其連接起來。此外，有較大噪聲音的圖像會有一定誤差，主要體現在圖像邊緣的真實性上，這一點對以邊緣檢測為基礎的分割方法的結果影響極大，尤其是在醫學超聲圖像的分割上，因此，這個問題亟需得到解決。應用以模糊集理論為基礎的圖像分割技術可以解決醫學圖像中的部分結構不良的問題，因此，發展、應用此技術在醫學超聲圖像的分割工作中，可對醫學圖像的分析有很大的幫助。
5 醫學圖像分割技術的評價
以人工的神經網絡為基礎的圖像分割技術是近幾年剛剛發展起來的被廣泛應用的新技術。這項技術具有一個十分優越的條件，它分割圖像的方式不需要依靠圖像的概率函數也就是說即使在圖像數據出現嚴重的偏差時也可以進行圖像的分割。事實上，這個分割技術是以圖像的形狀為基礎進行圖像的分割的。
這個分割技術主要有兩個操作過程：首先是進行圖像特征的提取;然后就是進行神經網絡的分割。提取醫學超聲圖像特征的過程對于整個圖像的分割具有決定性的作用，因為提取的數據是進行神經網絡的計算時的基礎數據。如果能提取到正確的圖像特征數據便能夠盡可能的削減計算過程，提高分割算法的準確性。
6 結 語
本文系統的通過對醫學的超聲圖像進行了介紹與評價，雖然形變模型分割技術能獲得不錯的效果，但仍有許多還未解決的問題。因此，醫學超聲圖像分割技術的研究方向應根據這些還未解決的問題，向以下幾個方面發展，能量模型的建立分析;噪聲對超聲圖像分割影響的處理;多種模型結合應用，從而提高分割效果、加快分割速度。將二維分割技術往三維分割技術上發展以及推廣;分割序列的圖像，不僅對層間輪廓線形狀的相似性進行利用，還要對層間的對應邊緣處灰度的相關性與相似性進行利用。
【參考文獻】
[1]嚴勇 《醫學超聲圖像分割技術的研究及發展趨勢》 [J]，北京生物醫學工程.2008.6-05.
[2]費曉紅 《基于改進粒子群的模糊聚類超聲圖像分割》[J]，科學技術與工程.2010.2.
[2]敖文貴 《醫學超聲影像三維目標對象的分割方法》[J]，中國醫學影像技術.2011.7.
【探究醫學超聲圖像分割技術以及發展方向】相關文章：
光學相干層析醫學圖像分割研究現狀論文10-08
藍牙技術探究09-30
醫學檢驗新教學探究10-01
瑜伽與中醫學探究10-26
瑜伽與中醫學探究10-26
主流計算機圖像技術10-08
計算機圖像處理技術10-05
超聲醫學論文范文10-08