?? ml.htm
字號:
<!ArtChnTitle>
<!ArtChnAuthor>
<!ArtAuthorAddress>
<!ArtChnAbstract>
<!ArtChnKeyword>
<!ArtEngTitle>
<!ArtEngAuthor>
<!ArtEngAbstract>
<!ArtEngKeyword>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta name="GENERATOR" content="Microsoft FrontPage 5.0">
<title>學位論文－基于蟻群算法的醫學圖像分割</title>
<style>A:link {COLOR: #000000; FONT-FAMILY: 宋體; TEXT-DECORATION: none}
A:visited {COLOR: #000000; FONT-FAMILY: 宋體; TEXT-DECORATION: none}
A:active {FONT-FAMILY:宋體; TEXT-DECORATION: none}
A:hover {COLOR: #000000;TEXT-DECORATION:none}
BODY {FONT-FAMILY:宋體; FONT-SIZE: 9pt;TEXT-DECORATION:none}
TABLE {FONT-FAMILY: 宋體; FONT-SIZE: 9pt}
.H1 {FONT-SIZE: 9pt; COLOR: #0000cc}
.ourfont {FONT-SIZE: 9pt; LINE-HEIGHT: 14pt}
select {font-size:12px;}
.wx {BACKGROUND: #001863; BORDER-BOTTOM: white 1px solid; BORDER-LEFT: white 1px solid; BORDER-RIGHT: white 1px solid; BORDER-TOP: white 1px solid; COLOR: #ffffff; FONT-SIZE: 9pt; FONT-STYLE: normal; FONT-VARIANT: normal; FONT-WEIGHT: normal; HEIGHT: 18px; LINE-HEIGHT: normal}
.wx1 {border-top: #c0c0c0 1px;border-left: #c0c0c0 1px;border-right:#c0c0c0 1px;border-bottom:#c0c0c0 1px;border-style:inset;background-color:#ffffff;vertical-align:text-bottom}
</style>
</head>
<body bgcolor="#FFFFFF" link="#000000" background="../image/bg.gif">
<img src="../../images/xwlwk.jpg" width="750" height="94">
<table width="83%" border="0" cellspacing="0" cellpadding="0">
<tr>
<td width="19%"><p> </p>
<p></p></td>
<td width="81%"><p>館藏號：Y883064<br>
<br>
論 文 題 目：<strong style="font-weight: 400">基于蟻群算法的醫學圖像分割</strong><br>
學位授予單位：首都醫科大學<br>
作 者：曹會志<br>
申請學位級別：博士<br>
學 科 名 稱：影像醫學與核醫學<br>
指 導 教 師：羅述謙<br>
出 版 時 間：20060501<br>
摘 要：<br>
醫學圖像分割一直都是醫學圖像分析領域的研究熱點，是人們完成解剖結構的定量分析，相關診斷信息提取的關鍵步驟。由于待分割圖像的可變性比較大，且混有噪聲，構成了圖像分割所面臨的主要困難。本文主要對基于蟻群的分割方法和基于模型的分割方法在醫學圖像中的應用進行了研究。<br> 人工生命的方法有助人們了解生物學規律，并且在機器人、計算機圖形學等方面得到了成功應用。蟻群算法作為人工生命算法的一個分支，是由真實蟻群活動的啟發而逐步發展起來的一種模擬螞蟻群體智能行為的算法。它具有較強的穩定性、分布式計算和易與其他算法結合等優點，個體之間不斷地進行信息交流和傳遞，有利于尋找到較好的解。基于模型的分割算法，能夠盡量多的利用圖像中蘊含的先驗信息，有利于提高圖像分割結果的精度。<br> 論文的主要工作可以簡單總結如下：(1).對螞蟻的覓食行為進行了深入的分析，通過實驗驗證了蟻群模型可以應用在醫學圖像分割工作中。<br> (2).提出了結合模糊連接關系的蟻群分割模型。該方法把圖像空間的模糊連接關系引用到螞蟻的覓食規則中，轉嫁為蟻群中螞蟻搜尋食物的準則，對螞蟻的信息素釋放、路徑轉移等進行了重新定義。模擬數據和真實數據的實驗結果驗證了該方法的有效性。<br> (3).真實螞蟻的聚類行為體現了螞蟻個體的盲目性與整體行為的系統性。利用改進的蟻群聚類算法，可以快速的完成圖像的聚類工作，并得到合適的聚類數目。把蟻群聚類的結果作為適配模糊聚類方法的輸入，最終實現圖像的精細分割。<br> (4).隨著醫學圖像數據的急劇增長，人們迫切需要建立從醫學圖像中自動分割特定解剖結構的算法。本文提出的基于互信息的圖像配準和活動形狀模型的分割算法，能夠實現從體數據中自動定位解剖結構所在的圖像位置并分割出目標結構。首先，獲取的腦圖像體數據集通過與參考體數據集的配準，使對應層圖像包含與參考數據相似的解剖結構；然后利用訓練得到的活動形狀模型自動定位、分割指定的解剖結構。實驗表明這種算法能取得良好的分割結果。<br> <br>
分 類 號：TP391;R445;TP751;TP301.6<br>
關 鍵 詞：蟻群算法;活動形狀模型;醫學圖像;圖像分割;影像醫學;圖像處理
<p align="center">
<table width="80" border="0" cellspacing="0" cellpadding="0">
<tr>
<td bgcolor="#cccccc">
<table width="100%" border="0" cellspacing="1" cellpadding="0">
<tr style="CURSOR: hand">
<td bgcolor="#CCCCCC" onMouseOver="this.bgColor='#999999';" onMouseOut="this.bgColor='#cccccc';" valign="bottom" height="18" NAME="NAME_BALL" STYLE="cursor:hand" child="FALL"><div align="center"><strong><font size="4"><a href="index.htm">PDF正文</a></font></strong></div></td>
</tr>
</table></td>
</tr>
</table>
</td>
</tr>
</table>
<div align="center"></div>
</body>
</html>
?? 快捷鍵說明
復制代碼
Ctrl + C
搜索代碼
Ctrl + F
全屏模式
F11
切換主題
Ctrl + Shift + D
顯示快捷鍵
?
增大字號
Ctrl + =
減小字號
Ctrl + -