基于高斯-马尔科夫随机场模型的脑血管分割算法研究
由于脑血管具有分枝众多、形态细小以及位置特殊和形态复杂等特性,在医学图像中精确地提取脑血管成为一项比较棘手的问题.该文提出了一种新颖的统计学分割方法,有效地实现了脑血管的精确分割.首先,充分利用各血管像素的空间邻域信息,将马尔科夫随机场信息加入到统计学模型的方法中,提出了新的马尔科夫统计模型;然后,利用随机期望最大化(Stochastic versions of the Expectation Maximization,SEM)算法来对统计模型中的多个参数进行估计,寻找最优解,进而实现了脑血管的3维分割.实验结果表明,该方法不仅能够分割出较大的血管分支,而且因其考虑了血管邻域信息,对细小血管的分割也有较好的效果,因此对脑血管疾病的临床预防和诊断具有深远的意义.
脑血管分割、马尔科夫随机场、统计模型、随机期望最大化算法
36
TP391;R445.2(计算技术、计算机技术)
国家自然科学基金61271366,61170170,61170203;中央高校基本科研业务费专项基金2012LYB49;首都科技条件平台项目Z131110000613062资助课题
2014-11-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
2053-2060