第 1 章 绪 论
医学成像设备的不断涌现以及医学成像技术的不断提高使得所获得的医学图像数量不断增多，导致医生通过逐片解读医学图像来判断疾病种类和程度的方式逐渐变得不可能，并且判断结果变得具有不可重复性（与医生经验有很大关系），由此限制了医学成像设备在临床实际中的应用。但是伴随着计算机网络、人工智能、医学物理的迅猛发展以及图形图像技术的日臻成熟，使其逐渐的渗透到医学领域当中，一门具有特色的新兴交叉学科---医学图像处理与分析，应运而生。该学科有效的解决了上述问题，借助医学图像处理与分析手段不仅减轻了由于图像过多而使医生解读费时的压力，同时极大地提高了医生诊疗水平，从而为医学的研究和进一步发展提供了坚实的基础[2]。 医学图像处理与分析主要包括医学图像分割、配准、三维重建、结构分析以及运动分析等研究方向，其中医学图像分割是其他研究方向的基础，因为其它研究均是建立在所处理的数据是在准确分割基础之上的。图像分割结果有许多重要的用途，如目标物体体积的定量计算[3]、疾病诊断[4]、病变区域的定位[5]、解剖结构的研究[6]、治疗方案的设计[7]以及计算机辅助外科手术[8]（Computer Assisted Surgery，CAS）等，因此研究医学图像分割具有重要意义，可以说该技术的解决与否直接影响着计算机辅助诊断（Computer Aided Diagnoisis，CAD）技术能否在医学上的成功应用。
........
第 2 章 医学 CT 图像的数据获取及预处理
2.1引言
计算机及其相关技术以及图形图像技术的日渐成熟，使其逐步渗入医学领域中，开创了数字医疗的新时代。CT 以其分辨率高、成本小、技术成熟等优点成为检查和病理研究的主要手段，广泛的应用于临床。了解所获取 CT 数据的基本信息有利于进一步评价分割结果的准确性以及算法适用性。 本章首先详细总结所获得各部位图像的基本信息，其中包括数据来源、平面像素间距、层间距、数据集尺寸范围等；接下来概括性的讨论了各部位数据的分割难点以及针对该分割难点所构建的分割方法； 最后重点探讨了与具体分割方法相适应的图像预处理手段。
2.2CT 图像数据获取
本文共搜集到 20 套肺部 CT 数据，所有的数据中均包含胸膜结节。这些数据来自两种多排计算机断层扫描（Multidetector Cmputed Tomography）仪器： 其中 10 个来源于西门子医学系统 Somatom Sentation 64 仪器（由哈尔滨医科大学附属第二医院 CT 室提供），另外 10 个来源于飞利浦医学系统 Brilliance 64仪 器 （ 由 威 海 市 立 医 院 CT 室 提 供 ）。 所 获 数 据 的 尺 寸 范 围 为 ：512?512?210-512?512?540 ，平面像素尺寸范围为：0.58?0.58- 0.82?0.82 mm，层间距范围为：0.6-1.0mm。20 个数据的分割结果在本实验前均已由放射专家给出。在这 20 个数据里，总共包含 307 个肺结节（结节最大直径范围为：1.2-17mm； 均值为：3.9mm），其中 65 个是胸膜结节。
第 3 章 基于自适应分类和法线方向校正的髋关节 CT 图像分割......................31
3.1 引言 ...................................... 31
3.2 图像初始分割 ........................................... 31
第 4 章 基于迭代平均和曲率修复的肺部 CT 图像分割与光滑..........................57
4.1 引言 ............................ 57
4.2 胸腔抽取......................... 57
4.3 肺部辨别..................... 58
第 5 章 基于概率约束形状强度水平集的肝脏 CT 图像分割..............................81
5.1 引言 ................................. 81
5.2 算法描述......................... 81
5.3 肝脏粗分割 ............................... 82
第 5 章 基于概率约束形状强度水平集的肝脏 CT 图像分割
5.1引言
水平集方法是一种常用的图像分割方法，其基本思想是界面被看成高一维空间某一函数的零水平集，然后根据水平集函数所满足的发展方程推动水平集的演化，并利用图像内部信息控制界面演化过程的停止。该方法的优点在于：一是可以非参数化的描述复杂物体的形状，这使得在水平集演化过程中，物体拓扑结构可以自由变化；二是可以将待分割物体的形状信息作为先验约束信息融合到水平集演化过程中，以减少肝脏分割结果的泄露。 为此，本章结合图谱信息以及水平集方法，提出一种基于概率约束的形状强度水平集肝脏分割算法。
5.2算法描述
对于测试相中的每一个目标数据集，首先计算该目标数据集与所有图谱的相似度，根据相似度生成该目标数据集的权重概率图谱（Probabilistic Atlas, PA）；然后根据所产生的 PA，得到该目标数据集中最有可能的肝脏区域（Most Likely Liver Region, MLLR）；接下来，在 MLLR 中，根据最大化后验概率分类 PM 的方法得到肝脏粗分割结果；最后，利用形状强度先验水平集方法得到肝脏准确分割结果。为了优化分割过程并避免肝脏分割结果的泄露，在最后一步的实现过程中使用窄带技术（Narrowband Technique）并将水平集函数演化范围限制在 MLLR 中。
........
结 论
医学图像分割是计算机辅助诊断和自动识别组织器官的基础，研究医学CT 图像分割方法对于进一步推动计算机辅助诊断在临床实际中的应用具有十分重要的意义。由于医学图像分割方法具有面向特定对象的特点，本文主要就髋关节、包含胸膜结节的肺部以及肝脏等部位 CT 图像分割方法进行了深入的研究。（1）论文的主要研究工作 1）针对髋关节 CT 图像中股骨头与髋臼准确分割问题，提出和设计实现了一种通过迭代自适应阈值分类，并利用贝叶斯判别分析的处理流程，解决了该部位图像分割中常出现的骨与骨之间的错误粘连现象。实验过程中首先将所得 110 个数据按照解剖学特征进行分组，随后与当前流行的髋关节 CT 图像分割方法相比较验证了该方法的准确性，最后通过 ROC 分析验证了该方法的临床适用性。 2）针对在髋关节 CT 图像分割过程中，形态学的使用所造成骨边缘细节特征丢失以及分割结果不准确等问题，提出了一种基于法线方向灰度变化的骨边界准确定位算法。通过对比 110 个数据校正前后的分割结果验证了该算法的有效性。 3）针对包含胸膜结节的肺部 CT 图像准确分割问题，提出了基于模糊 C均值的肺部快速分割法，并在此基础上针对肺部 CT 图像分割中常出现的胸膜结节的丢失以及靠近肺门区域凸凹不平等问题，提出了基于迭代加权平均以及自适应曲率阈值相结合的肺部边界光滑和修复算法。通过对 20 个包含胸膜结节临床数据的实验，验证了上述算法快速性及有效性。
...........
参考文献（略）