1、圖像分割是醫(yī)學圖像處理與分析的前提條件和關鍵步驟，也是制約其它醫(yī)學圖像處理技術發(fā)展與應用的瓶頸。磁共振成像是現(xiàn)代重要的醫(yī)學成像技術，能夠提供豐富的三維人體軟組織解剖信息，在頭頸部位成像中具有其它影像設備無法比擬的優(yōu)勢。腦組織磁共振（MR）圖像分割在三維重建、定量分析和圖像可視化等方面具有重要的作用。目前，針對腦組織MR圖像的自動分割已經(jīng)成為醫(yī)學圖像處理中的研究熱點。由于人體解剖結構個體差異較大，臨床應用對醫(yī)學圖像分割的準確度和分類算法的

2、速度要求較高，目前雖然已有多種分割算法但遠未達到完善。而且，由于噪聲、場偏移效應、以及局部體效應的影響，實際獲取的腦組織MR圖像常表現(xiàn)為組織特征具有可變性、不同軟組織之間邊界模糊、以及各類組織結構分布復雜等特性。這些都對研制自動分割技術造成了極大的困難。本文提出了兩種基于自組織特征映射網(wǎng)絡的無監(jiān)督學習聚類算法，自適應地構造網(wǎng)絡結構，解決腦組織MR圖像分割中存在的困難。此外，還提出一種基于圖的層次聚類算法實現(xiàn)腦組織MR圖像的自動分割。主要

3、研究成果如下： ⑴提出自適應生長型分層自組織映射（ASGHSOM）網(wǎng)絡，將競爭學習算法與多尺度分割思想相結合，自適應地構造網(wǎng)絡生長層，解決圖像中組織邊界區(qū)域由于局部體效應引起的灰度值交疊問題。同時，根據(jù)圖像局部區(qū)域中像素間的相關性，構造一種自適應距離抑制噪聲對圖像分割的影響、解決分類模糊問題。ASGHSOM算法整個分割過程都是無監(jiān)督的，不需要任何組織概率圖譜和圖像配準技術，具有很好的可擴展性。與多種經(jīng)典的腦組織MR圖像分割算法相

4、比較，ASGHSOM算法在模擬數(shù)據(jù)集和真實數(shù)據(jù)集上都可以得到較為準確的分割結果。 ⑵將對偶樹復小波變換（DT—CWT）應用于醫(yī)學圖像分割中，并與自組織特征映射相結合提出一種自動的、無監(jiān)督的腦組織MR圖像分割方法——空間約束的自組織映射樹（SCSOTM）網(wǎng)絡。SCSOTM網(wǎng)絡采用DT—CWT特征與空間信息共同約束網(wǎng)絡的生長過程，網(wǎng)絡生長層層數(shù)以及每層的結構和大小都根據(jù)圖像自身特點來確定，具有較好的自適應能力。并基于灰度值、DT—C

5、WT低頻子帶和三維空間位置信息構造多維特征向量，其中DT—CWT特征具有平移不變性、良好的方向選擇性和對噪聲的魯棒性；而空間位置特征使SCSOTM網(wǎng)絡可以獲取圖像中各類組織復雜的空間結構，建立了葉節(jié)點神經(jīng)元與圖像局部區(qū)域間的對應關系，增強網(wǎng)絡的直觀性和解釋性。 ⑶以基于圖的層次聚類（GBHC）算法實現(xiàn)腦組織MR圖像的自動分割。首先，使用DT—CWT構造各像素的多尺度特征，在保留圖像細節(jié)信息的同時抑制噪聲對分割的影響。然后，以基于