论文部分内容阅读
为了让医学超声图像更好地服务于医学诊断和医学培训，需要借助图像处理技术对医学超声图像进行分割，使其能定量地分析患者器官功能变化。综合分析比较各种分割算法，基于活动形状模型的分割算法以独特的优势被广泛应用于医学图像处理的各个领域。以从左心室超声图像中得到左心功能指标评价参数的实际应用为出发点，重点研究基于活动形状模型及其改进对超声医学图像左心室的分割技术。主要研究工作有以下几个方面: (1)深入研究本课题的背景及意义，总结超声图像分割方法的研究现状发展及其在医学上的应用，整体掌握左心室功能的某些评价指标。 (2)对基于活动形状模型的分割算法的基本理论进行详细地介绍。通过归一化训练集的特征点建立图像的形状向量，使用灰度值作为局部特征进而让马氏距离作为度量标准进行特征点匹配搜索。 (3)针对传统活动形状模型的不足之处进行改进。在局部特征选取方面，使用基于高斯权重分布的灰度特征;在特征点搜索方式方面，利用结合Snake算法和基于主成分分析两种不同方法，提高搜索匹配精度;使用多分辨率金字模型来控制特征点搜索的范围。 (4)从医生处获得超声图像数据集，利用改进后的方法设计分割实验。观察分割效果，分析特征点的匹配距离和比较分割结果的评价参数，验证改进算法的准确性。 (5)将改进后的分割方法应用于TEE监测表中，开发左心室功能指标计算实验程序，实现TEE监测表中对左心功能的定量评价。 文中介绍的基于活动形状模型改进算法应用于左心室超声图像分割中，在计算左心室功能指标的实验中取得良好效果，从而为更好地研究对左心功能的评价提出新的思路和方法。