检索历史 清除

摘要肝脏疾病是世界范围内危害人类健康常见的疾病，其种类繁多，发展速度快，另外很多肝脏疾病不容易治愈恢复。在分割肝脏区域时，传统的手动分割方式依赖于临床医生的工作经验与先验知识，有可能导致手术中的情况与术前分析不尽相同，如此一来手术成功率就不会很高。若能通过计算机图像处理技术与三维重建技术将腹部CT切片图像精准分割、重建，将矢状面与冠状面图像提取出来并进行体积计算，使临床医生能够在术前准确掌握数据，手术的成功率就会在一定程度上得到提高。所以，把计算机领域里的图像处理与三维重建技术和医疗领域中的解剖与诊断技术结合起来，实现肝脏CT图像序列处理与三维重建，完成肝脏疾病的计算机辅助治疗，成为了国内外高度关注的热点课题。<br>　　本文基于腹部肝脏CT图像序列的特征，研究了腹部CT图像序列肝脏分割与三维重建方法。<br>　　1. 使用区域生长算法、直方图阈值法、最大连通分量算法实现了腹部肝脏图像序列的粗分割：区域种子生长算法可以大致确定肝脏的位置，可以避免后续处理中误把其它器官分割出来的情况；直方图阈值法可以确定肝脏的灰度值范围，进一步精确地分割；最大连通分量算法可以提取出粗略的肝脏图像。粗分割的分割过程使用 OpenMP 进行了并行加速，执行效率得到了提高。<br>　　2. 用 GrowCut 算法进行优化分割：以上三步粗分割的结果中有一部分图像仍然有瑕疵，可以使用自动生成种子标记模板的 GrowCut 算法进行进一步的优化分割。可以使用形态学膨胀与腐蚀操作提取出轮廓生成 GrowCut 算法的种子标记模板，然后将其与待处理图像作为GrowCut算法的输入进行优化分割。<br>　　3. 基于前几步分割出的图像序列使用光线投射算法进行了肝脏的三维体重建，并且使用CUDA对光线投射体重建算法进行了加速。将矩阵与向量的四则运算等写为inline的device函数，极大地提升了渲染效率。最后，提取并分割出肝脏的矢状面与冠状面，以便于临床医生和专家的深入观察、诊断与治疗。