导读:本文包含了血管造影图像分割论文开题报告文献综述及选题提纲参考文献，主要关键词:血管分割,梯度矢量压缩,非盲解去模糊,去噪
血管造影图像分割论文文献综述
杨琴[1]（2016）在《血管造影图像分割方法研究》一文中研究指出糖尿病、高血压、动脉硬化等严重影响人类健康的疾病的发生,往往都伴随着新生血管的产生。正确分割血管图像,分析血管发生的变化,在预防和诊断病患中起着相当大的作用。虽然现有的血管分割方法已取得了较好的效果,但血管分割问题还远远没有解决,一种既适用于大部分血管图像、又能取得较好的分割效果的算法还没有被提出来。论文针对现有的血管分割算法做了大致分类,主要分为两类:基于非监督学习的血管分割方法和基于监督学习的血管分割方法。基于非监督学习的血管分割方法又可细分为基于匹配滤波器的血管分割方法、基于形态学分析的血管分割方法、基于血管追踪的血管分割方法、基于模型的血管分割方法、基于尺度分析的血管分割方法。通过对以上几种分割算法的简要论述,探讨和比较了各类分割算法的优缺点。针对不同的血管图像,论文对其进行了不同的分割算法的研究:针对模糊的血管图像,本文提出了基于频域快速解卷的血管提取算法,该方法避免了先去模糊再分割的繁琐的操作过程,直接对模糊血管图像进行分割,首先使用改进的梯度域动态压缩对血管边缘进行增强的同时突出了细微血管;再使用Horacio等人提出的基于稀疏先验的非盲解卷积去模糊技术对散度图像进行恢复操作;接着使用中值滤波进行去噪,减少噪声对分割的影响;最后使用OTSU方法对血管图像进行分割得到最终的血管脉络图。该方法对血管图像相对背景图像较亮的血管图像分割效果较好。为了寻找新型、有效的视网膜分割算法,本文提出了基于主成分分析的血管分割算法。该方法充分利用了最新的分割方法的优点,以便于获得较好的分割效果的血管分割思想,首先使用形态学变换、基于线条定向的血管方向分析、基于梯度计算的血管弯曲方向分析、血管脊四种方法提取了八个特征空间,然后使用PCA对这八个特征空间图进行降维处理,提取主要的血管特征,最后用OTSU方法对降维后的图像进行分割得到最后的血管分割图。本文在国际上公认的DRIVE眼底图像数据库上进行实验,并从准确度、灵敏度和特异性叁个方面进行了性能评判,实验发现该方法具有较高的灵敏性。(本文来源于《曲阜师范大学》期刊2016-04-10）
杨俊,郑曲波,吴桂良,高兴旺,李洪亮[2]（2013）在《基于Metropolis-SA算法的脑部磁共振血管造影图像分割》一文中研究指出目的利用叁维Markov随机场(MRF)模型分割脑部磁共振血管造影(MRA)。方法 MRF的似然概率采用了瑞利分布和高斯混合分布函数,并利用最大期望(EM)算法精确估计出混合参数;先验概率采用Ising-MRF模型,并利用误差试探法估计出正则化参数。为避免利用迭代条件模式(ICM)进行图像分割时常陷入局部最优解,实验提出了基于Metropolis采样算法的模拟退火(SA)技术。结果实现了叁维MRF的全局最优解,分割模型可分辨3个体素的细小血管。临床数据采用南方医院影像中心提供的患者TOF-MRA数据(1.5TGEMRIscanner),空间分辨率0.43mm×0.43mm×0.50mm;原始数据的像素空间大小为512×512×128;实际采用的空间大小和分辨率分别为256×256×64和0.80mm×0.80mm×1.20mm。实验对每一套临床数据采用SA、ICM、MSA算法分别进行分割比较,分割结果存在有限差异,采用15步迭代计算的时间消耗分别为1 029 s、463 s、560 s。结论实验通过叁维仿真数据分割结果表明,Metropolis-SA迭代求解算法能够实现更低的全局误差,并且实际脑部MRA数据的分割与最大密度投影相比较,反映出较好效果。(本文来源于《生物医学工程与临床》期刊2013年02期）
孙开琼[3]（2008）在《血管造影图像分割》一文中研究指出血管影像是基于计算机辅助的心脑血管疾病诊断与介入治疗、手术导航及术后观察的重要手段。在血管分析系统中,血管影像的分割是对血管的形状、尺度等定量描述的前提,分割对客观、准确的定量血管病变程度起关键作用。分割也是血管结构匹配与叁维重建的基础。血管影像的特点是受噪声影响、血管形态模糊、背景噪声和目标混杂,以及目标与背景对比度低,这些都给分割任务带来困难。针对X射线成像条件下的血管影像分割问题,考虑到血管影像特殊的图像性质,本论文主要研究了两个方面的血管影像分割方法:一是数据驱动的方法,即基于模糊形态学的血管影像分割方法;二是模型驱动的方法,即建立在随机几何框架下点过程模型的血管影像分割方法。本文回顾了当前主要的血管影像分割方法,分析了各种不同方法的基本原理,并按照贝叶斯原理,将不同的分割方法统一在一个相同的分割目标之中,并将不同的方法联系在一个一致的分割过程中。作为分割的准备,本文研究了两种不同的血管影像增强方法,即基于背景估计的对比度增强方法和基于形态度量的非线性扩散增强方法。为了增加血管影像的对比和抑制背景,本文用多尺度形态学开滤波来估计影像上血管的局部背景,并从原图像上减去估计的背景来增强血管影像。估计背景的开滤波操作在不同像素点使用可变大小的结构元素,其尺度通过多尺度线性滤波检测;另外,本文分析了血管影像的形态差分性质,得到了关于血管影像的最大形态差分度量。作为血管影像一种度量,更重要的是区别血管结构和背景的一种度量,最大形态差分估计被融入一个由P-M扩散方程扩展得到的具有一般意义的非线性的扩散方程,来实现血管影像的平滑增强。在血管为噪声环境下亮的分段线性的连续模式假设下,本文研究了提取血管结构的模糊形态学方法。在多尺度背景估计增强的基础上,提出的方法利用组合的模糊形态开及对偶操作匹配和增强血管结构,并且使用旋转的线性结构元素。模糊滤波实现目标区域内平滑,并保持血管与背景的对比。阈值和细化过程在模糊滤波之后得到血管的中线。最后,以获得的血管中线为先验标记,血管边界用分水岭算法检测。为了利用高层的几何形态知识达到分割的健壮性,本文研究了随机几何框架下的自动血管提取方法。血管的近似中线被建模为一个标值点过程的实现,其中,每个点代表组成近似中线的一个线段,线段的中心位置、长度和方向为点的标值。提出的双面积模型通过线段的类型和它们之间的交互关系来定义点集合的势能,其通过鼓励线段的连通和局部方向一致来表达线段之间的几何和拓扑约束,即血管中线的形态特征。模型的数据项考虑了线段对应的血管部分与背景的对比。模拟点过程的优化问题利用跳转可逆的马尔科夫链蒙特卡洛算法并结合模拟退火策略求解。而且,数据驱动方法被用来加速求解算法过程的收敛。最后,与前面模糊形态学分割的方法类似,血管的边界用带标记的分水岭算法获得。(本文来源于《华中科技大学》期刊2008-06-01）
贾冬焱,周寿军,郝立巍,李树祥[4]（2007）在《基于相似性测度和似然模型的血管造影图像分割新方法》一文中研究指出由于造影图像中的血管具有复杂的形态结构,经典的基于跟踪的一类方法在进行分割时容易丢失目标,因此其自动化程度和鲁棒性受到了严重的影响。提出了一种鲁棒的最大似然血管跟踪模型,该模型是建立在多种局部相似性测度和智能知识引导的基础上的,能够精确估计出血管轴线,并能正确判断分支点位置。实验结果表明,该模型具有很高的稳定性,能够为血管叁维重建和临床诊断提供正确的依据。(本文来源于《光学技术》期刊2007年02期）
血管造影图像分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的利用叁维Markov随机场(MRF)模型分割脑部磁共振血管造影(MRA)。方法 MRF的似然概率采用了瑞利分布和高斯混合分布函数,并利用最大期望(EM)算法精确估计出混合参数;先验概率采用Ising-MRF模型,并利用误差试探法估计出正则化参数。为避免利用迭代条件模式(ICM)进行图像分割时常陷入局部最优解,实验提出了基于Metropolis采样算法的模拟退火(SA)技术。结果实现了叁维MRF的全局最优解,分割模型可分辨3个体素的细小血管。临床数据采用南方医院影像中心提供的患者TOF-MRA数据(1.5TGEMRIscanner),空间分辨率0.43mm×0.43mm×0.50mm;原始数据的像素空间大小为512×512×128;实际采用的空间大小和分辨率分别为256×256×64和0.80mm×0.80mm×1.20mm。实验对每一套临床数据采用SA、ICM、MSA算法分别进行分割比较,分割结果存在有限差异,采用15步迭代计算的时间消耗分别为1 029 s、463 s、560 s。结论实验通过叁维仿真数据分割结果表明,Metropolis-SA迭代求解算法能够实现更低的全局误差,并且实际脑部MRA数据的分割与最大密度投影相比较,反映出较好效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
血管造影图像分割论文参考文献
[1].杨琴.血管造影图像分割方法研究[D].曲阜师范大学.2016
[2].杨俊,郑曲波,吴桂良,高兴旺,李洪亮.基于Metropolis-SA算法的脑部磁共振血管造影图像分割[J].生物医学工程与临床.2013
[3].孙开琼.血管造影图像分割[D].华中科技大学.2008
[4].贾冬焱,周寿军,郝立巍,李树祥.基于相似性测度和似然模型的血管造影图像分割新方法[J].光学技术.2007