1、近年來(lái),醫(yī)學(xué)圖像處理技術(shù)在臨床實(shí)踐中有十分廣泛的應(yīng)用。醫(yī)學(xué)圖像分割是實(shí)現(xiàn)醫(yī)學(xué)圖像處理與分析的關(guān)鍵步驟,對(duì)輔助醫(yī)生診斷和治療患者病情的有著重要的意義。且由于醫(yī)學(xué)圖像的特殊性和復(fù)雜性,醫(yī)學(xué)圖像分割技術(shù)一直是醫(yī)學(xué)圖像處理中的難題。
　　 本文針對(duì)在分割腦MRI圖像的腫瘤時(shí),GVF Snake模型輪廓自動(dòng)初始化的問(wèn)題,將GVF Snake模型和標(biāo)記分水嶺算法相結(jié)合,實(shí)現(xiàn)了腦腫瘤的半自動(dòng)分割。
　　 首先,把細(xì)化了的Canny算子

2、邊緣檢測(cè)的結(jié)果作為GVF Snake模型的邊緣映射,然后由分割者手工繪出初始輪廓,再進(jìn)行迭代,得到腫瘤的輪廓。這種方法克服了原始GVF Snake模型對(duì)弱邊緣收斂效果差的缺點(diǎn),但是由人工繪制初始輪廓,不但對(duì)分割者的醫(yī)學(xué)知識(shí)和經(jīng)驗(yàn)要求高,而且對(duì)GVF Snake模型的迭代次數(shù)和分割結(jié)果的準(zhǔn)確度影響很大。為了減少人為因素的影響和對(duì)分割者的要求,本文先使用標(biāo)記分水嶺算法對(duì)圖像進(jìn)行預(yù)分割,提取出腫瘤部分的初始輪廓,然后使用改進(jìn)的GVF Snak