项目名称：基于偏微分方程的灰度不均医学图像分割方法研究

项目简介：

医学图像分割是对图像中感兴趣区域进行划分的过程,是计算机辅助诊断系统进一步处理、分析医学图像的基础，包括特征提取、三维重建、疾病检测、定量分析等。由于医学图像在形成时易受到诸如噪声、场偏移效应、局部体效应和组织运动的影响，造成了医学图像的多样性和复杂性。因此，获得的医学图像大多具有模糊和灰度不均匀的特点。基于偏微分方程的图像分割方法直接用连续曲线模型来定位边缘，是传统方法的巨大突破，为灰度不均医学图像分割提供了新的思路。

目的和意义：

医学成像技术的发展，大大促进了以数字图像处理为基础的计算机辅助诊断领域的发展。医学图像分割是对图像中感兴趣区域进行划分的过程,是计算机辅助诊断系统进一步处理、分析医学图像的基础，包括特征提取、三维重建、疾病检测、定量分析等。对提高临床医生诊治水平和降低误诊率具有深远的意义。

由于医学图像在形成时易受到诸如噪声、场偏移效应、局部体效应和组织运动的影响，造成了医学图像的多样性和复杂性。因此，获得的医学图像大多具有模糊和灰度不均匀的特点。

基本思想：

利用动力学模型的思想，通过定义一条初始曲线，在曲线本身的内力和图像数据所构造的外力作用下，驱使曲线向目标轮廓移动，曲线在演化的过程中始终保持连续性和光滑性。

项目流程图：

图1：灰度不均医学图像分割技术路线图

项目结果分析：

部分图像最佳分割结果图：

结果分析：

图显示我们模型始于常值水平集函数，能够很好地分割具有明显灰度不均的医学图像。测试图像，从左向右，分别是一幅CTA图像、一幅磁共振膀胱图像(180´107)、一幅心脏CT图像(152´128)和一幅手腕X-射线图像(90´196)。对这些图像，由于光照的不均匀，射频线圈产生的不均匀磁场，很多医学图像具有背景亮度超过目标区域，目标亮度不均匀等特征，这些特征使得医学图像的分割尤为困难。就最后一幅图而言，真实的目标边界被模糊的光线笼罩着的，这使得仅利用全局信息是无法分割的。从第二行可以看出，ALSWCF模型无法正确地分割出这些目标边界。然而，我们选择参数，能够得到满意的分割结果。