1、毕业论文（设计）论文（设计）题目：基于医学图像的分割算法研究学 院： 计算机科学与技术学院 专 业： 计算机科学与技术 本科毕业论文（设计） 第 I 页目录摘要 .IIAbstract .III第一章 绪论 .11.1 研究背景与意义 .11.2 国内外研究现状和发展趋势 .11.3 本文主要工作 .21.4 论文结构 .3第二章 分割算法的研究分析 .42.1 图像分割算法综述 .42.1.1 图像分割概念 .42.1.2 图像分割算法 .42.2 肺部常用分割算法综述 .92.2.1 肺影像原理 .92.2.2 肺部常用分割算法 .10第三章 论文辅导扣扣：贰贰舞巴巴溜巴溜叁叁 .113.
2、1 算法概述 .113.2 算法具体步骤 .113.2.1 预处理 .113.2.2 一维 Otsu 图像分割 .133.2.3 数学形态学分割处理 .163.2.4 较小连通区域的删除 .203.2.5 小波变换与形态学修补 .213.2.6 改进分割效果 .233.3 本章小结 .24第四章 医学图像分割处理 GUI 窗口程序的设计与实现 .254.1 系统概述 .254.2 系统设计 .254.3 系统实现 .264.4 本章小结 .35第五章 总结与展望 .365.1 总结 .365.2 展望 .36参考文献 .37致谢 .38本科毕业论文（设计） 第 II 页基于医学图像的分割算法研
3、究摘要现如今，伴随着医学技术逐渐进步，医学成像手段也在不断提高，医学图像在临床诊断、治疗、教学等各个方面发挥着越来越重要的作用。然而由于成像部位复杂且对于不同个体表现个异性，医学图像的结果变得复杂多样化。虽然研究人员已提出大量的算法，但医学图像分割方法仍存在较多的不足与瓶颈。针对上述问题，本文首先研究现有的多种医学图像分割算法，对几种经典的图像分割算法进行详细分析，得出其优缺点。接着分析肺部医学图像分割常用方法，对常用的Otsu 算法和形态学相结合的肺实质分割算法进行改进，提出一个结合 Otsu算法、形态学、小波变换的肺实质分割改进算法并实现。经测试，该算法可以有效地分割成像清晰、边缘明晰的健
4、康肺实质，以及通过修补后提高病变肺实质的分割效果。并结合Qt与Opencv编程实现一个医学图像分割GUI窗口程序，该程序可以实现阈值分割、基于区域的分割、边缘探测分割以及对转换格式后的医学图像进行放大缩小、旋转、查看等功能。关键词：医学图像分割，肺实质，Otsu，数学形态学， 小波变换本科毕业论文（设计） 第 III 页Research on Segmentation Algorithm Based on Medical ImageAbstractNowadays, with the gradual progress of medical technology, medical imaging
5、 methods are also evolving, medical images play more important role in diagnosis, treatment, teaching and other aspects. However, due to the complexity of the imaging site and the different performance of different individuals, the results of medical images become more complex and diverse. Although
6、researchers have put forward a large number of algorithms, the medical image segmentation method still has a lot of shortcomings and bottlenecks.To address the problems above, this paper first studies existing medical image segmentation algorithms and analyzes in detail several classical image segme
7、ntation algorithms, figuring out their advantages and disadvantages. Then analyses are made about the methods of medical image segmentation of lung parenchyma segmentation algorithm, aiming to improve the common segmentation algorithm of lung parenchyma which is combined with Otsu algorithm and morp
8、hology. After this, an enhanced lung parenchyma segmentation algorithm is proposed and further realized, which integrates Otsu algorithm, morphology and wavelet transform. After testing, the algorithm can effectively segment the healthy lung parenchyma with clear image and clear edges, and intensify
9、 the segmentation effect of lung parenchyma through repairment. Furthermore, the algorithm together with Qt and Opencv programming fulfill the realization of a GUI window segmentation procedures for of a medical image, which boasts the functions such as threshold segmentation, segmentation based on
10、region, edge detection and segmentation zoom, rotation, check and others to the format-converted medical image.Keywords: medical image segmentation, lung parenchyma, Otsu, mathematical morphology, wavelet transform.本科毕业论文（设计） 第 1 页第一章 绪论1.1 研究背景与意义随着计算机科学技术和医学的高速发展，医学影像已经成为现代医学诊断时必不可少的一部分。早在2009年，欧洲
11、大型医院每天产生的医学数字图像数据就达到了100GB1，如此庞大的医学图像数据能够给我们提供丰富的医疗经验、科研数据。图像分割是图像处理中极其重要的技术，可以把图像中占据不同区域、具有不同特征的目标划分开来 2。它是进行视觉分析和模式识别的基本组成部分，一直都被人们所重视。在临床上，影像检查是诊断疾病的重要手段。因此如何更好地从影像检查的结果中挖掘和分析信息是具有重要意义的。因为能提供丰富准确的器官组织、结构等方面的信息，为医师做出准确合理的诊治方案提供相应数据支持，医学图像的处理与分析变得日益重要 3。医学图像处理也因此逐渐发展成为一门集医学影像、计算机技术和数字图像处理为一体的交叉学科，基
12、于医学图像的分割算法研究也成为医学图像处理领域的研究热点。目前，中国肺癌的发病率和死亡率均居各种恶性肿瘤之首，自1996年上升为我国癌症患者的第一杀手后，肺癌死亡率每年以平均 4.4 %的速度攀升，每年约 59.1 万人死于肺癌，肺部疾病对居民的健康构成巨大的威胁 4。当前，CT 成像是医学影像技术中检查肺部疾病最好的影像学手段，医生观察肺部CT 影像，若提前发现肺部疑似问题，及早采取措施可以有效减少或抑制肺癌发生的几率。但是由于我国特殊国情人口众多，诊疗需多方位的图像观察，所以医生每天审阅医学图像的压力大, 容易使漏诊和不确定性检查经常发生。为降低相关人员的工作负担、提高工作效率，更快、更好
13、地检查出肺部疾病，从肺部CT图像中准确分割出肺实质，实现肺部 CT 图像计算机辅助诊断，对临床肺部疾病的诊断意义重大 5。总的来说，对于医学图像分割的研究是极具有科学意义与社会意义的。其中对肺实质分割的研究改进更将促进医学图像分割方法的发展。1.2 国内外研究现状和发展趋势经过多年来的研究探索，目前医学图像分割的基本方法多种多样且许多算法效果本科毕业论文（设计） 第 2 页都很好，如基于统计学、神经网络、小波等理论实现的分割算法。为了更好地提升分割效果，许多分割校正算法也纷纷被提出，如纠正部分容积效应产生的伪影，灰度均匀性校正，凸包边缘校正等 6。通过对目前最好的医学影像文献的进行定量调查，结
14、果表明近年来，在最具影响力的医学期刊和学术会议上发表的文章中有 40提出了图像分割或配准的方法 7，将人工智能的方法应用于医学图像分割算法也是当前较受关注的技术，其发表论文数量也一直保持在中等水平。鉴于医学图像分割的重要性，许多基于医学图像分割技术的深层次研究，如医学图像检索、医学图像识别也渐渐得到广泛关注和大力研究。以医学图像检索方法国际竞赛ImageCLEFMed竞赛为例，参与的研究组在 10多年间增加了数倍以上，参与的人员也纷纷来自世界各国 8。2017年Kaggle 组织的数据科学碗（ Data Science Bowl）肺癌检测竞赛，提供了60GB以上的CT数据，总共100万美金的奖
15、金，让参赛者们根据肺癌患者的胸部CT扫描数据来检测肺癌。现如今在国内外随着深度学习在图像领域应用的增加，当前的热门话题是如何较好的利用未标记的图像数据进行半监督学习以及如何使用深度学习提高分割与识别的准确性。1.3 本文主要工作在深入研究现有的经典医学图像分割算法与常用肺实质分割算法的基础上，提出并实现一个结合 Otsu 算法、形态学与小波变换算法的肺实质分割算法， 设计一个可以使用多种经典算法处理多种常用图像格式的医学图像分割窗口程序。本文主要完成以下工作：（1） 深入学习经典的图像分割算法，理解其原理、熟悉经典分割算法所对应的应用场景；（2） 编程实现几种经典图像分割算法，并对其各自的优缺
16、点进行总结分析；（3） 学习并掌握常用的肺实质分割算法并进行对比；（4） 提出一个结合 Otsu 算法、形态学、小波变换等多种算法的肺实质分割算法；（5） 结合本文所提出的肺实质分割算法，设计一个可以使用多种经典算法处理本科毕业论文（设计） 第 3 页常用图像格式的医学图像分割窗口程序。完成系统设计与实现。1.4 论文结构论文的组织结构如下： 第一章：绪论，阐述研究背景，介绍医学图像分割的研究现状以及论文安排。第二章：详细介绍图像处理中的基本分割算法与肺部常用医学图像分割算法。详细阐述多种常见分割算法的原理及应用，并对比它们的优缺点。第三章：提出一个结合 Otsu 算法、形态学、小波变换等多种
17、算法的肺实质分割算法。第四章：设计医学图像分割处理 GUI 窗口程序，完成对所需功能的具体实现。第五章：总结全文，指出现有研究的不足并阐述今后研究的工作方向和计划。 本科毕业论文（设计） 第 4 页第二章 分割算法的研究分析2.1 图像分割算法综述2.1.1 图像分割概念图像分割是指将一幅图像分解为子区域内具有相似性质且不重叠的区域 2。通过分割，把目标和背景分开，以便对目标进行下一步分析和处理。图像分割的定义表述为，对一幅图像的分割可看作是将图像划分成 n 个子区域，这些子区域间需要满足以下条件：（1） 分割后所有子区域的并集等于原始图像，且子区域间不能有交集。即分割的区域合在一起应能还原原
18、图像并且每一个区域间不能有交叉与重复。（2） 分割后形成的子区域中的像素应具有相同的特性。（3） 分割后形成的不同子区域中的像素具有不同的特性。2.1.2 图像分割算法至今，专家、学者们已经提出了数量超过四位数的各种图像分割算法，本文将介绍图像分割处理中较为经典且使用较多的阈值法、基于区域的分割法、边缘探测法。（1）阈值法阈值法是一种经典的分割方法。该类方法就是选择一个或几个值将图像划分为两个或者多个类。因为是选取一个固定的数值来对图像的每个像素进行直接分类，所以阈值法是一种最简单的分割方法。如果只选取一个值，将图像分成前景和目标两个类，是单阈值分割。如果选取多个阈值进行分类，就是多阈值分割。
19、在阈值选取时，常用的方法有： 迭代式阈值选择该方法是使用最多的阈值选取法之一，通过计算得出一个逼近于该图像的灰度直方图双峰间低谷点的值。因为若图像的灰度直方图有明显的两个尖峰且双峰间有明显的谷，其低谷点就是一个适合的阈值。这是由于将图像分成前景和背景两类时，前景和背景各自区域内具有相似性，两者间又具有相异性。所以在像素灰度值的分布上会本科毕业论文（设计） 第 5 页出现聚集的山峰与分离的谷点。谷点的位置就是可以很好地分割图像的阈值所在。 Otsu 阈值法（大津法）Otsu 阈值法（大津法）是一种基于类间方差最大的自动阈值选择方法 2。其主要思想是根据阈值把图像的灰度级分成两类，并计算两个类之间
20、方差的差值，使这个差值最大的阈值即为最优阈值。因为方差是表示与数学期望之间偏离程度的值，可以表示均匀程度,所以在图像中，两类之间方差的差值越大说明构成图像的两部分差别越大。这样分割出来的前景与背景间差异最大，而其各自内部高度的相似统一、差异最小。 熵方法1948 年，香农提出了“信息熵”的概念，指出“熵”是衡量“信息量”大小的一个数值。信息熵的定义是，如果一个事件发生的概率是 p(x)，则其信息熵为（2-1）=log1()即信息的大小跟随机事件的概率有关。越小概率的事情发生了产生的信息量越大、熵值越大，越大概率的事情发生了产生的信息量越小、熵值越小。对于一个随机变量X 来说，若是他的随机分布概
21、率为 ,则随机变量 X 的熵定义为：p(x)（2-2）= ()log()所以由公式可以推导出，当随机事件中所有事件概率相等时，熵最大。反过来，当熵越大时，随机事件分布越均匀，可获得信息增益与信息量最大，也越趋近自然。最大熵方法计算主体与背景信息熵的和，当信息熵达到最大时，包含的信息最多，此时的分割阈值即为最佳阈值。除了上述常用于计算的方法外，阈值法还有简单的双峰法迭代法中介绍的选取灰度直方图双峰间的谷点，以及需要运用人类对图像的先验认知的人工选择法等。从原理以及分割实验的结果来看，总的来说，阈值法具有原理简单、易于实现等优点。不过在实际应用中很少直接采用该类方法进行分割，因为该方法易受噪声和灰
22、度不均匀的影响，对灰度图像的前景背景面积比敏感。许多时候通过该方法进行分割，只能单纯的将图像分为前景和背景，若是图像有多重重要信息，虽然使用多阈值方法可能实现改进但是效果还是有欠缺，所以常将该类方法作为其他方法的预处理步骤。目前阈值分割算法常用于对脑 MR 图像进行自动分割，使用多控制小波阈值分割，对脑 MR 图像的动脉、灰质、白质进行分割等 9。本科毕业论文（设计） 第 6 页（2）基于区域的分割基于区域的分割方法也是一种经典的分割技术，其主要思想是将具有相似性的像素集合起来构成一个个分离但是区域内高度相似的区域。在无先验知识可以使用时，利用此方法可以取得很好的性能。所以该算法使用很普遍，可
23、以用来分割比较复杂的场景。但是，在实际使用中基于区域的分割方法是一种迭代的方法，每次迭代都考虑到了原种子点相邻的四邻域或八邻域区域，所以空间和时间开销都比较大。基于区域的分割方法常见的实用算法有区域生长算法和区域分裂合并算法。 区域生长算法区域生长算法是根据规定好的生长条件将像素点或子区域组合增长为更大区域的方法。实际操作是从选取原始种子点或小邻域开始，将种子点邻域中与种子性质相似的像素合并或附加到种子点所在的区域中形成生长区域，直至没有满足相似性条件的点或其它小区域为止，这样一个区域就生长完成了。区域内象素的相似性度量条件可以是灰度值、纹理、结构等信息。区域生长法分割的子区域内像素点的值较为
24、接近，但区域间可能存在较大的差值，所以整个图像会被分成分离的区块。 区域分裂合并算法区域分裂合并算法与区域生长法稍有不同，该方法不提前选定种子点，而是先确定一个分裂合并的准则，当图像中某个区域的特征不符合准则时就将该区域分裂成几个相等的子区域，分裂结束后，若相邻的子区域符合合并准则就又将它们重新合成一个大区域,直到所有区域都不再满足继续分裂合并的条件为止。所以通俗的说就是先尽可能的进行分裂，当分裂到不能再分时，再进行合并，直到没有可以合并的区域，最终达到分割的作用。 区域生长法与区域分裂合并法在原理上相辅相成。当区域分裂极致到最小单位是像素点时，再进行合并，就与区域生长方法原理一样了。而区域生长法不能进行相似邻域的再一次合并而已。从上述两种方法的原理以及实验结果来看，区域生长法对噪声敏感且种子的选择对分割结果的影响巨大。如果种子像素点选择不当，很有可能会产生错误分割结果或者影响分割结果，例如选取到了图像边缘的像素点。而区域分裂合并算法虽然不用主动选取种子点，图像生长合并的限制条件却较难选择。选用合适的分裂生长准则对于提
