1、隨著計(jì)算機(jī)技術(shù)、圖像處理技術(shù)、模式識(shí)別技術(shù)、人工智能技術(shù)等的進(jìn)一步發(fā)展，整個(gè)社會(huì)的智能化程度越來(lái)越高。在醫(yī)學(xué)領(lǐng)域，各種大容量、高清晰的醫(yī)學(xué)影像設(shè)備得到越來(lái)越多的普及應(yīng)用，在一個(gè)中等規(guī)模的醫(yī)院，各種醫(yī)療儀器設(shè)備產(chǎn)生的斷層掃描圖片都在以大于10GB/天的速度增長(zhǎng)。醫(yī)生每天要面對(duì)電腦屏幕或膠片做大量的診斷，這種負(fù)荷增長(zhǎng)會(huì)降低大型檢查設(shè)備的使用效率，并且導(dǎo)致不必要的漏診和誤診。傳統(tǒng)的人工讀片方式已經(jīng)明顯落后于影像檢查技術(shù)和設(shè)備的飛速發(fā)展，隨著更

2、大容量、更高清晰度、更先進(jìn)影像檢查設(shè)備的不斷普及應(yīng)用，這種矛盾將變得日益突出。
　　 醫(yī)學(xué)圖像本身是一種自然圖像，具有自然圖像所應(yīng)該具備的特性，包括結(jié)構(gòu)連續(xù)性，在CT圖像中表現(xiàn)出的灰度一致性等，從理論上說(shuō)可以通過(guò)圖像處理、模式識(shí)別等技術(shù)對(duì)這些圖片進(jìn)行機(jī)器識(shí)別。長(zhǎng)遠(yuǎn)來(lái)說(shuō)，開(kāi)展以計(jì)算機(jī)輔助診斷或計(jì)算機(jī)智能化診斷為目標(biāo)的醫(yī)學(xué)圖像處理和分析研究將成為醫(yī)學(xué)圖像領(lǐng)域研究的一個(gè)主要趨勢(shì)。而要實(shí)現(xiàn)計(jì)算機(jī)智能化診斷或計(jì)算機(jī)輔助診斷，首先必須面對(duì)和

3、解決的一個(gè)問(wèn)題就是醫(yī)學(xué)圖像上病變區(qū)域的計(jì)算機(jī)自動(dòng)化檢出。針對(duì)三維全腦掃描數(shù)據(jù)的病變檢出，特別是針對(duì)紋理特征病變的檢出還剛剛開(kāi)始，本文瞄準(zhǔn)計(jì)算機(jī)智能化診斷這個(gè)方向，以顱腦病變計(jì)算機(jī)自動(dòng)化檢出為目標(biāo)，針對(duì)基于三維顱腦高分辨率CT掃描數(shù)據(jù)的病變檢出進(jìn)行了深入研究，提出了一些有新意的算法或?qū)σ延兴惴ㄟM(jìn)行了改進(jìn)，并根據(jù)顱腦CT圖像，針對(duì)不同類(lèi)型病變進(jìn)行了實(shí)驗(yàn)，驗(yàn)證了本文提出的整體框架和算法的有效性。論文的研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　 (1

4、)提出了針對(duì)三維CT數(shù)據(jù)進(jìn)行病變自動(dòng)檢出的整體框架。
　　 目前，針對(duì)三維CT數(shù)據(jù)的病變自動(dòng)檢出方法研究還處在初始階段，沒(méi)有統(tǒng)一的框架和標(biāo)準(zhǔn)。本文提出了一種基于三維顱腦CT數(shù)據(jù)和特征向量統(tǒng)計(jì)圖譜的病變檢出方法，對(duì)實(shí)現(xiàn)病變檢出的流程和總體框架進(jìn)行了設(shè)計(jì)，包括數(shù)據(jù)預(yù)處理，剛性配準(zhǔn)與非剛性配準(zhǔn)，圖譜的創(chuàng)建，特征提取以及最終的病變檢出等各個(gè)階段，并且對(duì)每一個(gè)階段進(jìn)行了算法研究和實(shí)驗(yàn)驗(yàn)證，最后的病變檢出結(jié)果驗(yàn)證了整體框架的有效性。

5、　　 (2)提出了基于先驗(yàn)知識(shí)和結(jié)構(gòu)連續(xù)性的全腦CT圖像分割算法以及改進(jìn)的斷層插值算法。
　　 根據(jù)顱腦CT圖像本身具有的先驗(yàn)知識(shí)以及顱腔內(nèi)結(jié)構(gòu)的連續(xù)性，提出了一種基于先驗(yàn)知識(shí)和結(jié)構(gòu)連續(xù)性的全腦分割算法，從最中間一層開(kāi)始，分別向顱頂和顱底方向進(jìn)行分割，能夠自動(dòng)化的一次性分割出病變檢出的感興趣區(qū)域，即完整腦實(shí)質(zhì)和腦脊液區(qū)域。本文提出的改進(jìn)斷層插值方法通過(guò)在每一個(gè)體素點(diǎn)處選擇一個(gè)鄰域窗口，從鄰域窗口中根據(jù)特征值來(lái)尋找對(duì)應(yīng)點(diǎn)的方法進(jìn)

6、行插值。實(shí)驗(yàn)結(jié)果表明該方法完全滿足插值的約束條件，插值出來(lái)的圖像結(jié)構(gòu)清晰，保持了原有圖像的結(jié)構(gòu)特性和紋理特性，能夠滿足后續(xù)數(shù)據(jù)處理的需要。
　　 (3)提出了改進(jìn)的剛性配準(zhǔn)算法，避免陷入局部最優(yōu)解。
　　 由于Powell尋優(yōu)算法是一種局部特性很好的尋優(yōu)算法，但是容易陷入局部最優(yōu)解。此外，圖像本身的特點(diǎn)和插值所引起的局部相似性也容易使得配準(zhǔn)過(guò)程陷入局部最優(yōu)。本文提出了一種基于均勻設(shè)計(jì)和Powell相結(jié)合的尋優(yōu)算法，實(shí)驗(yàn)驗(yàn)

7、證能夠較好的獲取全局最優(yōu)解。
　　 (4)提出了改進(jìn)的Demons算法，增強(qiáng)配準(zhǔn)的拓?fù)浔３中浴?br>　　 針對(duì)已有研究成果中不能完全消除非剛性配準(zhǔn)過(guò)程中非拓?fù)浔３中孕巫兊默F(xiàn)狀，提出了改進(jìn)的拓?fù)浔３中运惴ǎJ(rèn)為拓?fù)浔３中圆粌H僅需要減少形變量，有時(shí)也需要增加形變量。改進(jìn)算法在保持形變方向的前提下，對(duì)形變量進(jìn)行雙向?qū)?yōu)來(lái)尋找使得Jacobian行列式大于零的形變距離。通過(guò)實(shí)驗(yàn)驗(yàn)證，改進(jìn)算法基本消除了不具備拓?fù)浔３中缘男巫凕c(diǎn)。

8、>　　 (5)提出了一種紋理特征向量構(gòu)建方法。
　　 為了對(duì)具有紋理特征的病變進(jìn)行檢測(cè)，需要構(gòu)建一種維數(shù)不高且具有較高紋理分類(lèi)能力的紋理特征向量。本文在理論分析的基礎(chǔ)上提出了構(gòu)成紋理特征向量的可選特征，并通過(guò)實(shí)驗(yàn)選擇了最佳的紋理特征組合來(lái)構(gòu)建紋理特征向量。這種紋理特征向量的特點(diǎn)是結(jié)構(gòu)簡(jiǎn)單，與其它高維紋理特征向量相比能夠顯著減少計(jì)算量，同時(shí)具有良好的紋理分類(lèi)能力。通過(guò)實(shí)驗(yàn)驗(yàn)證，基于該紋理特征向量的病變檢出效果良好，病變檢出區(qū)域與