下载文档原格式
中文摘要边缘提取是图像处理和计算机视觉领域最基本的技术，已经成为图像分割、目标识别、图像压缩技术的基础。
本论文工作的目的是系统地发展和应用主动轮廓模型技术进行脑部ＭＲＩ图像的边缘提取。
本文综述了ＭＲＩ图像三维重建的各种方法，熏点研究了三维表面重建的步骤，以确定边缘提取在三维重建前期处理的关键地位。
主动轮廓模型提供了一个非常灵活的综合使用各种约束机制的工具，但是这种模型的针对性很强，通用性差。
针对传统的主动轮廓模型缺点，本文介绍了～种改进主动轮廓模型的边缘提取算法。
该模型不但能精确地提取图像中的凸形物体的边缘，而且能够接近边缘的凹陷处；弓ｌ入自适应改变大小的外部约束能量来增大吸引范围，使控制点能够不依赖于初始轮廓而快速地收敛到居标的真实轮廓。
本文针对头部轮廓、特定肿瘤及大脑边缘，设计了各种主动轮廓模型与其它分割方法相结合的边缘提取方法。
通过等距法阈值分割和主动轮廓模型结合，广义模糊算子和主动轮廓模型结合完成头部轮廓提取，实验结果表明上述两种方法是可行的边缘提取算法。
采用人机交互的半自动方式提取脑部肿瘤，能够快速地接近肿瘤边缘，效果较满意。
采用基于扩散技术，先验知识和主动轮廓模型的图像处理方法完成脑部边缘的提取，实验证明具有很好的自动性和鲁棒性。
本文针对断层图像之间具有连续性的特点，设计了一种分层边缘提取、层问传递、总体合成的三维图像边缘提取方法。
建立了一种层间轮廓传递方法，成功地把图像配准技术同图像边缘提取技术结合起来，有效地解决了边缘提取信息在断层图像之间准确传递的问题。
实验结果表明该算法能快速准确地从ＭＲＩ体积图像中提取出感兴趣的物体边缘，在医学图像分析中具有实用价值。
关键词：主动轮廓模型磁共振图像边缘提取匹配ＡＢＳＴＲＡＣＴＥｄｇｅｅｘｔｒａｃｔｉｏｎｉｓａｂａｓｉｃｔｅｃｈｎｉｑｕｅｉｎｔｈｅｉｍａｇｅｐｒｏｃｅｓｓｉｎｇａｎｄｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，ａｎｄｉｔｈａｓｂｅｃｏｍｅｔｈｅｆｏｕｎｄａｔｉｏｎｏｆｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ，ｏｂｊｅｃｔｒｅｃｏｇｎｉｔｉｏｎａｎｄｉｍａｇｅｃｏｍｐｒｅｓｓｉｏｎ．ＴｈｅｍａｊｏｒｇｏａｌｏｆｔｈｉｓｐａｐｅｒｉｓｔｏｓｙｓｔｅｍａｔｉｃａｌｌｙｄｅｖｅｌｏｐａｎｄａｐｐｌｙｔｈｅｔｅｃｈｎｉｑｕｅｏｆＳｎａｋｅｆｏｒｅｄｇｅｅｘｔｒａｃｔｉｏｎｉｎＭＲＩｂｒａｉｎｉｍａｇｅｓ．Ｔｈｉｓｐａｐｅｒｓｕｍｍａｒｉｚｅｓｔｈｅｍｅｔｈｏｄｓｏｆ３ＤｒｅｃｏｎｓｔｒｕｃｔｉｏｎｉｎＭＲＩ，ａｎｄｐｒｉｎｃｉｐａｌｌｙｒｅｓｅａｒｃｈｅｓｏｎｔｈｅｓｔｅｐｓｏｆ３Ｄｓｕｒｆａｃｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎｉｎｏｒｄｅｒｔｏｃｏｎｆｉｒｍｔｈａｔｅｄｇｅｅｘｔｒａｃｔｉｏｎｉｓｉｎｔｈｅｋｅｙｓｔａｔｕｓｏｆ３Ｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎ．Ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌ（Ｓｎａｋｅ）ｉｓａｆｌｅｘｉｂｌｅｔｏｏｌｏｆｕｓｉｎｇｖａｒｉｏｕｓｏｆｒｅｓｔｒｉｃｔｅｄｃｏｎｄｉｔｉｏｎｓ，ｂｕｔｔｈｉｓｍｏｄｅｌｈａｓａｓｔｒｏｎｇｐｅｒｔｉｎｅｎｃｅａｎｄｗｅａｋｃｕｒｒｅｎｃｙ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｓｅｆａｕｌｔｓ，ａｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅｉｍｐｒｏｖｅｄＳｎａｋｅｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｍｏｄｅｌｎｏｔｏｎｌｙｐｒｅｃｉｓｅｌｙｅｘｔｒａｃｔｓｔｈｅｅｄｇｅｏｆｔｈｅｐｒｏｔｒｕｄｉｎｇｏｂｊｅｃｔｉｎｉｍａｇｅｓ，ｂｕｔｃａｎａｌｓｏｎｅａｒｔｏｔｈｅｅｄｇｅｏｆｔｈｅｃｏｎｃａｖｅｏｂｊｅｃｔ；ｉｔｉｎｔｒｏｄｕｃｅｓｅｘｔｅｒｉｏｒｓａｎｃｔｉｏｎｅｎｅｒｇｙｗｈｉｃｈＣａｎａｄａｐｔｉｖｅｌｙｃｈａｎｇｅｉｔｓｖａｌｕｅｔｏｅｎｌａｒｇｅｓｕｃｔｉｏｎ，ａｎｄｉｔｍａｋｅｓｃｏｎｔｒｏｌｐｏｉｎｔｓｑｕｉｃｋｌｙｃｏｎｖｅｒｇｅｔｏｔｈｅｒｅａｌｃｏｎｔｏｕｒｗｉｔｈｏｕｔｄｅｐｅｎｄｉｎｇｏｎｔｈｅｉｎｉｔｉａｌｃｏｎｔｏｕｒ．ＴｈｉｓｐａｐｅｒｄｅｓｉｇｎｓｅｄｇｅｅｘｔｒａｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙｃｏｍｐｏｓｅｄｏｆＳｎａｋｅａｎｄｏｔｈｅｒｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｓ．Ｓｎａｋｅｉｓｃｏｍｂｉｎｅｄｗｉｍｅｑｕａｌ－ｄｉｓｔａｎｃｅｔｈｒｅｓｈｏｌｄｓｅｇｍｅｎｔａｔｉｏｎａｎｄａｌｓｏｉｎｔｅｇｒａｔｅｄｉｎｔｈｅｇｅｎｅｒａｌｉｚｅｄｆｉａｚｚｙｏｐｅｒａｔｏｒｔｏｅｘｔｒａｃｔｈｅａｄ．ｅｘｐｅｒｉｍｅｎｔｓｈｏｗｓｔｈａｔｔｈｅａｂｏｖｅｍｅｔｈｏｄｓａｒｅａｖａｉｌａｂｌｅ．Ｉｔａｄｏｐｔｓｔｈｅｓｅｍｉ—ａｕｔｏｍａｔｉｏｎｍｅｔｈｏｄｏｆＵＳｅｒｉｎｔｅｒｖｅｎｔｉｏｎ，ａｎｄｃａｎｑｕｉｃｋｌｙｎｅａｒｔｏｔｈｅｔｕｍｏｒｅｄｇｅ，ｔｈｅｅｆｆｅｃｔｉｓｓａｔｉｓｆａｃｔｉｏｎ．Ｔｈｅｍｅｔｈｏｄｉｓｃｏｎｓｉｓｔｅｄｏｆｄｉｆｆｕｓｉｏｎ，ｐｒｅｃｏｇｎｉｔｉｏｎａｎｄＳｎａｋｅｆｏｒｂｒａｉｎｅｄｇｅ，ｅｘｐｅｒｉｍｅｎｔｐｒｏｖｅｓｔｈａｔｉｔｈａｓａｇｏｏｄａｕｔｏｍａｔｉｃａｎｄｒｏｂｕｓｔｃｈａｒａｃｔｅｒ．Ｔｈｉｓｐａｐｅｒｉｓａｉｍｅｄａｔｔｈｅｃｏｎｔｉｎｕｉｔｙｏｆｓｌｉｃｅｓ，ａｎｄｐｒｏｐｏｓｅｓａ３Ｄｅｄｇｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｃｏｎｓｉｓｔｅｄｏｆｅｄｇｅｅｘｔｒａｃｔｉｏｎ，ｅｄｇｅｔｒａｎｓｆｅｒ，ａｎｄｃｏｍｂｉｎａｔｉｏｎ棚ｔｈｅｅｄｇｅｓ．Ａｎｅｄｇｅｔｒａｎｓｆｅｒｒｉｎｇｍｅｔｈｏｄｓｉｓｂｕｉｌｄ，ｗｈｉｃｈｉｓｓｕｃｃｅｓｓｆｕｌｌｙｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｉｍａｇｅｍａｔｃｈｉｎｇａｎｄＣａｎｉｎｃｒｅａｓｅｔｈｅｐｒｅｃｉｓｅｏｆｔｒａｎｓｆｅｒｒｉｎｇｔｈｅｅｄｇｅｆｒｏｍｏｎｅｓｌｉｃｅｔｏｏｔｈｅｒｓ．ＥｘｐｅｒｉｍｅｎｔｓｓｈｏｗｓｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｃａｌｌｏｂｔａｉｎｔｈｅｅｄｇｅｓｏｆｔｈｅｄｅｓｉｒｅｄｏｂｊｅｃｔｆｒｏｍＭＲ］ｖｏｌｕｍｅｉｍａｇｅｓｑｕｉｃｋｌｙａｎｄｒｅｌｉａｂｌｙ，ａｎｄｉｔｈａｓｐｒａｃｔｉｃａｌｖａｌｕｅｉｎｔｈｅｍｅｄｉｃａｌｉｍａｇｅａｎａｌｙｓｉｓ．Ｋｅｙｗｏｒｄｓ：ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌ（Ｓｎａｋｅ）ＭＲＩｅｄｇｅｅｘｔｒａｃｔｉｏｎｍａｔｃｈｉｎｇ独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得盘壅盘堂或其他教育机构的学位或证书而使用过的材料。
图像识别中的轮廓提取算法探索随着计算机视觉技术的快速发展，图像识别成为了一个备受研究关注的领域。
在图像识别过程中，轮廓提取算法起到了至关重要的作用。
本文将从不同方法的角度，探索图像识别中的轮廓提取算法。
一、边缘检测算法边缘检测是图像处理中一项重要的技术，旨在从图像中提取出物体的轮廓信息。
最常用的边缘检测算法包括Canny算子、Sobel算子和Laplacian算子。
这些算法基于图像的亮度变化来进行边缘的检测，可以有效地提取轮廓信息。
Canny算子在边缘检测方面表现出色。
它利用了图像的梯度信息，并通过非最大抑制和双阈值处理来提取出准确的边缘。
Sobel算子是一种简单而常用的边缘检测算子。
它利用图像的亮度变化率来检测边缘，然后通过梯度幅值的阈值来确定是否为边缘点。
Laplacian算子则是一种二阶微分算子，通过求取图像亮度的二阶导数来检测边缘。
这种算法对于噪声的鲁棒性较强，能够提取到更为细致的边缘。
二、基于模型的轮廓提取算法基于模型的轮廓提取算法是通过对图像的区域进行建模来提取轮廓信息。
这类算法包括活动轮廓模型和分水岭算法。
活动轮廓模型是一种基于能量泛函的方法，它通过最小化能量函数，使得轮廓向物体的边缘收缩。
这类算法在复杂背景下能够准确地提取出物体的轮廓。
分水岭算法则是一种经典的图像分割算法，通过将图像看作地形地貌，以像素的灰度值作为高度的参考，实现对图像的分割。
这种算法适用于多物体的分割，但对于重叠的物体分割效果较差。
三、深度学习在轮廓提取中的应用近年来，深度学习技术在图像识别领域取得了巨大的突破。
通过训练大规模的神经网络，可以实现对图像中物体轮廓的准确提取。
深度学习模型中最常用的是卷积神经网络（CNN）。
CNN通过学习具有不同卷积核的特征提取器，能够从图像中提取出具有鲁棒性的特征。
这些特征可以用于提取轮廓信息，并辅助进行图像识别。
同时，生成对抗网络（GAN）也被用于图像的轮廓提取。
GAN通过同时训练一个生成器和一个判别器，使得生成器能够生成逼真的图像，而判别器能够准确区分真实图像和生成图像。
图像识别中的轮廓提取算法探索随着人工智能技术的迅猛发展，图像识别越来越受到关注。
而在图像识别中，轮廓提取算法是一个至关重要的环节。
本文将就图像识别中的轮廓提取算法进行探索和分析。
一、图像轮廓提取算法的背景随着计算机硬件和软件的不断进步，图像处理技术取得了长足的发展。
而图像轮廓提取算法作为图像处理的重要一环，主要用于识别和描述图像中的边缘轮廓。
在目标检测、图像分割和模式识别等领域都有广泛的应用。
因此，对图像轮廓提取算法的研究具有重要的实际意义。
二、轮廓提取算法的传统方法1、Sobel算子Sobel算子是一种基于梯度的边缘检测算法，通过计算图像中每个像素点灰度值的梯度来提取轮廓。
Sobel算子计算简单快速，且对噪声具有一定的抑制能力。
然而，Sobel算子容易受到图像中边缘灰度变化较大的影响，导致提取结果不准确。
2、Canny算子Canny算子是一种基于高斯滤波和非最大值抑制的边缘检测算法。
它能够有效地抑制噪声，同时提取出细节较为清晰的轮廓。
Canny算子在图像轮廓提取中被广泛应用，但其参数的选择对提取效果有较大影响。
3、拉普拉斯算子拉普拉斯算子是一种基于二阶微分的边缘检测算法，通过求取图像中每个像素点的二阶微分来提取轮廓。
拉普拉斯算子对噪声敏感，容易出现边缘断裂的现象。
因此，在实际应用中，常常需要结合其他算法进行改进和优化。
三、新兴的轮廓提取算法1、基于深度学习的轮廓提取算法近年来，深度学习技术在图像处理领域取得了巨大的突破。
基于深度学习的轮廓提取算法通过训练神经网络模型，实现自动化的轮廓提取。
这种算法不仅能够提取出高质量的轮廓，还能够应对各种复杂的图像场景。
但基于深度学习的轮廓提取算法需要大量的训练数据和计算资源，且难以解释模型的预测结果。
2、基于边缘增长的轮廓提取算法边缘增长算法是一种基于种子点的图像分割算法，通过将具有相似特征的像素点合并为同一个区域，最终实现轮廓的提取。
边缘增长算法具有较好的鲁棒性和适应性，对噪声和细节变化具有一定的容忍度。
基于SIFT特征关键点匹配的脑组织提取方法江少锋;黄志鹏;杨素华;陈震;张聪炫【摘要】脑组织提取是脑部磁共振图像处理的重要步骤之一.为稳定准确地提取脑组织,提出一种基于点阵SIFT(Scale Invariant Featun Transform)特征匹配的脑组织提取方法.该方法在采用BET方法对脑组织进行提取的过程中,不断提取轮廓点阵的SIFT特征,并提出基于距离约束投票的特征匹配方法,对目标图像当前脑组织轮廓和模板图像脑组织进行匹配,根据匹配结果重新定义BET脑组织提取参数再继续进行轮廓演化,从而得到稳定的脑组织轮廓.然后以该轮廓为初始值采用Graph cuts 方法进行精提取,最终得到精确的脑组织边界.采用IBSR网站20套MRI图像序列与其他3种算法进行对比实验,得到最高的DICE精度(0.962±0.008)、Jaccard精度(0.926±0.014)和特异性(0.994±0.004)、最低的假阳性率(4.95％±2.74％)、较低的假阴性率(2.82％±2.0％).精度最高表明该方法具有很好的提取精度,相应参数的标准差较小表明本方法有很好的稳定性,说明该算法是一种精确稳定的脑组织自动提取方法.【期刊名称】《中国生物医学工程学报》【年(卷),期】2018(037)003【总页数】8页(P266-273)【关键词】脑组织提取;BET算法;SIFT;特征匹配;图割法【作者】江少锋;黄志鹏;杨素华;陈震;张聪炫【作者单位】南昌航空大学测试与光电工程学院,南昌330063;南昌航空大学测试与光电工程学院,南昌330063;南昌航空大学测试与光电工程学院,南昌330063;南昌航空大学测试与光电工程学院,南昌330063;南昌航空大学测试与光电工程学院,南昌330063【正文语种】中文【中图分类】R318引言脑组织提取是指从脑部序列图像中将脑组织与颅骨、眼球、皮肤、脂肪等非脑组织分离出来的过程，是脑部磁共振图像处理的重要处理步骤之一。
![一种基于深度学习的磁共振影像特征提取及分类方法[发明专利]](https://img.taocdn.com/s1/m/2112a0fa6edb6f1afe001f0d.png)
专利名称：一种基于深度学习的磁共振影像特征提取及分类方法
专利类型：发明专利
发明人：龚启勇,张俊然,黄晓琦,吕粟,贾志云
申请号：CN201610409373.3
申请日：20160608
公开号：CN106096616A
公开日：
20161109
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于深度学习的磁共振影像特征提取及分类方法，包括：S1纳入磁共振图像并对其进行预处理操作和特征映射操作；S2构建包括输入层、多个卷积层、至少一个池化层/下采样层以及全连接层的多层卷积神经网络，其中，卷积层和池化层/下采样层依次交替设于输入层和全连接层之间，且卷积层的数量比池化层/下采样层的数量多1；S3使用步骤S2构建的多层卷积神经网络对磁共振图像进行特征提取；S4将步骤S3输出的特征向量输入Softmax分类器中，对磁共振图像的疾病属性做出判断。
其通过多层卷积神经网络的非线性映射，自动得到高度可分的特征/特征组合用于分类，并且可以不断优化网络结构得到更好的分类效果。
申请人：四川大学华西医院
地址：610047 四川省成都市武侯区国学巷37号
国籍：CN
代理机构：成都泰合道知识产权代理有限公司
代理人：向晟
更多信息请下载全文后查看。
外轮廓提取方法和装置、治疗系统、计算机存储介质技术领域本发明涉及医疗设备技术领域，特别是涉及一种外轮廓提取方法和装置、治疗系统、计算机存储介质。
背景技术放疗设备主要通过发射高能射线，多角度聚焦来破坏肿瘤组织的细胞DNA，以达到杀死肿瘤组织的目的。
在治疗之前，需要在放疗计划系统内先行设计照射角度，并基于机器的物理模型进行射线剂量的模拟计算，经过医生评估批准后才可以进行真正的治疗。
制定计划过程中的一个重要的步骤，是确定人体内的组织(正常器官、病灶区域)的体表外轮廓。
体表外轮廓是所有轮廓中比较重要的一个，它通常用来作为计算实际剂量的边界。
常用的外轮廓提取算法，有基于图谱模型的，有基于计算机断层扫描(computedtomography，简称CT)影像的HU(Hounsfield unit)值的，对于提取人体体表的情况效果可以达到临床要求。
但是在实际的治疗过程中，为避免治疗过程中病人的移动，往往会在人体身上再放置一个固定装置。
这部分实际上对于射线是有吸收的，因此在剂量模拟计算的过程中，需要包含在外轮廓内。
由于这部分物质通常是网状结构，因此在CT影像中的边界模糊，不易识别，且在上述几种边界提取算法中都不太容易被自动包含。
发明内容基于此，有必要针对传统的边界提取算法无法对包含有固定装置的外轮廓进行提取的问题，提供一种外轮廓提取方法和装置、治疗系统、计算机存储介质。
一种外轮廓提取方法，用于对包含有固定装置的目标对象的外轮廓进行提取，所述方法包括：获取包含有固定装置的目标对象的三维图像；获取所述目标对象的医学影像；根据所述三维图像获取所述目标对象的第一外轮廓；根据所述医学影像获取所述目标对象的第二外轮廓；以及根据所述第一外轮廓和所述第二外轮廓确定所述目标对象的外轮廓。
上述外轮廓提取方法，会获取包含有固定装置的目标对象的三维图像和医学影像，并利用三维图像得到目标对象的第一外轮廓、利用医学影像获取到目标对象的第二外轮廓，从而根据第一外轮廓和第二外轮廓确定目标对象的外轮廓，进而实现包含有固定装置的目标对象的外轮廓的提取。
一种用于医学图像配准的图像外边界的提取方法
张煜;李树祥;郑国焱;刘哲星
【期刊名称】《北京生物医学工程》
【年(卷),期】2000(019)004
【摘要】医学图像配准是医学图像融合的第一步,而基于图像边界的配准方法对刚性物体图像(如人头颅骨的CT、MRI图像)来讲是一种较好的配准方法.本文给出了一种医学图像外边界的提取方法,它能够快速、准确地提取出CT、MRI等图像的外边界,为用边界法进行图像配准提供了保证.
【总页数】4页(P217-220)
【作者】张煜;李树祥;郑国焱;刘哲星
【作者单位】第一军医大学生物医学工程系医学图像全军重点实验室,广州,510515;第一军医大学生物医学工程系医学图像全军重点实验室,广州,510515;第一军医大学生物医学工程系医学图像全军重点实验室,广州,510515;第一军医大学生物医学工程系医学图像全军重点实验室,广州,510515
【正文语种】中文
【中图分类】R3
【相关文献】
1.一种新的刀具磨损面图像边界提取方法 [J], 杨吟飞;李亮;何宁
2.用于三维医学图像配准的“粗精”混合算法研究 [J], 翁飞;侯文广;曾明平
3.光流场模型用于非刚性医学图像配准 [J], 林存花;陈海峰
4.一种高分辨率SAR图像河流边界自动提取方法 [J], 魏丹;赵新强
5.医学图像边界轮廓线的一种提取方法 [J], 张太发;蔡吉花;程东旭
因版权原因，仅展示原文概要，查看原文内容请购买。
脑部MRI图像头皮三维提取及重建马阿敏;杨荣骞;宁海;白红民;黎丽华;吴效明【摘要】A new scalp extraction method for Magnetic Resonance Imaging (MRI) brain images in 3D was proposed for the requirements of image guided surgery on fast and accurate positioning in craniotomy. Firstly, anisotropic diffusion filtering was used to reduce noises, and the brain parenchyma image was got by the medical software of BrainSuite3. Afterwards, the brain parenchyma was removed and the threshold of scalp from non-brain-image was calculated. Thirdly, outside surface was extracted by mathematical morphology. Finally, combined with the gray value of scalp, the scalp was reconstructed by Marching Cube (MC) algorithm. The experiments show that this method can extract scalp effectively and the precision reaches sub-pixel's level by connecting threshold, mathematical morphology and MC algorithm.%开颅手术中,为了满足手术导航系统进行快速、准确定位的要求,提出一种脑部核磁共振成像(MRI)图像三维头皮轮廓提取方法.首先采用各向异性扩散滤波方法对图像滤波,借助BrainSuite3医学软件获取脑标记图像；然后将图像中脑实质部分剔除,根据非脑组织图像计算头皮组织的分割阈值；再利用数学形态学处理二值图像获取头皮轮廓；最后结合目标灰度信息,用移动立方体(MC)算法进行三维重建.实验结果表明,该方法结合阈值、数学形态学和MC算法,能连续、光滑地提取出头皮外轮廓,并使精度达到亚像素级别.【期刊名称】《计算机应用》【年(卷),期】2013(033)005【总页数】4页(P1439-1442)【关键词】核磁共振成像图像分割;各向异性扩散滤波;数学形态学;三维头皮提取;亚像素;移动立方体算法【作者】马阿敏;杨荣骞;宁海;白红民;黎丽华;吴效明【作者单位】华南理工大学生物科学与工程学院,广州510006;华南理工大学生物科学与工程学院,广州510006;华南理工大学生物科学与工程学院,广州510006;广州军区广州总医院神经外科,广州510010;华南理工大学生物科学与工程学院,广州510006;华南理工大学生物科学与工程学院,广州510006【正文语种】中文【中图分类】TP391.410 引言在手术导航系统中，让医生简单、准确、快速地判定出肿瘤和手术器械的位置，是一个技术难点，而患者头部的标记点和一些器官(如耳朵、鼻子等)在定位过程中有着重要的参考价值。
从MRI体数据提取大脑表面形态的新方法北京生物医学工程 2000年第4期第19卷论著作者：罗述谦闫华王萍单位：首都医科大学生物医学工程系100054关键词：MR图像；皮层与颅骨剔除；表面重建；形态；轮廓摘要人脑形态研究在许多领域都有日益广泛的应用。
将人的大脑从MR图像体数据中提取出来是脑的可视化、形态学分析、脑图象配准等多种工作的重要基础。
本文结合解剖学知识、用基于灰度梯度的极坐标搜索方法从人脑 MR 图像自动剔除大脑皮层和颅骨及其它非脑成分，仅保留大脑部分。
此后，对于3D图像遍历，我们使用移动立方体法根据全部256种构型，通过查表法把位于大脑表面上的像素与大脑内部及图像背景分开，得到准确的大脑表面轮廓。
然后计算该表面轮廓的各个小三角形面片法线，结合适当的光照模型实现大脑表面形态的真实再现。
大脑的提取工作是在轴向的方向完成的。
但与轴向图正交的冠状图和矢状图显示结果表明，本算法对大脑部分的提取无论从哪一个方向来看都是很成功的。
A Method of Extraction of Brain Surface Morphology from MR Volume DataLuo Shuqian，Yan Hua，Wang Ping(Department of Biomedical Engineering, Capital University of Medical Sciences, Beijing 1000054)Abstract The study of morphology of humn brain has increasing applications in many areas. Extraction of cerebrum from raw MRI volume data is an important work for visualization of human brain, analysis of morphology and image registration. Using priors of anatomy, agrey level gradient based searching method in a polar coordinate system to remove cortex, skull and other no-cerebrum structures automatically from MR image of human brain is described in this paper. Then, For 3D image roaming, a mothod of cubic displacement was used based on all 256 possible configurations, a look-up table is used to get the accurate contour of brain surface by distinguishing pixels of brain surface from pixels of internal brain and the background. Then, normals of all the triangle facets of the surface contour are calculated, to re-display the surface morphology, combining with appropriate illumination model. Although the extraction of cerebrum is implemented in transverse slices, the reconstructed coronal and sagittal slices show the work is very succesful.Key words:MR image, Removal of cortex and skull, Surface rendering, Morphology, Contour0 引言脑表面形态的提取是脑的可视化、形态学分析、脑图像配准等多种工作的基础。
