论文部分内容阅读
现今,冠心病因其高发病率、高致亡率等特征,业已成为威胁人类健康的常见病。X射线冠状动脉造影(coronary angiography,CAG)和多层螺旋CT(multislicecomputed tomography,MSCT)技术在诊断冠心病中扮演着关键角色。其中MSCT技术以其各向同性扫描、无创成像以及较高的时空分辨率等多项优势,被广泛应用于冠状动脉类疾病的分析与诊断治疗中,并取得了很好的诊治效果。本文针对冠心病诊断中冠状动脉信息难获取的问题,基于充分的文献整理及调研分析,提出一种基于水平集方法的图像分割模型,旨在获取更高的分割精度。水平集方法自引入到图像分割领域中以来,凭借其分割精度高、拓扑适应性好等优势,应用范围愈发广泛。本文采用水平集方法中应用广泛的Chan-Vese模型进行多层螺旋CT图像处理。针对该模型不能分割灰度不均匀的图像和对初始轮廓的选取有依赖性的问题,研究了融合模糊聚类的改进图像分割模型,用模糊聚类获得的聚类信息指导Chan-Vese模型的初始轮廓选取。首先,针对心脏CT数据进行模糊C均值聚类的预处理,提取聚类信息和隶属度矩阵;其次应用聚类信息指导水平集方法初始轮廓的选取,用Chan-Vese模型进行冠状动脉的提取,完成冠状动脉分割。之后应用医学图像三维重建算法,分别采用面绘制和体绘制的方法对获取的二维冠状动脉信息进行三维重建,重建完整的三维冠状动脉,为医生提供真实的感官效果,研究结果用于辅助诊断冠心病。