脑部MRI图像自动分割算法的初步研究(2)
医学图像分割是医学影像处理和分析的关键技术。对医学图像的处理过程中，人们常常只对图像中的某个区域感兴趣[2],从医学影像中把有关信息或感兴趣的区域分离出来是图像分割的关键步骤，这也是制约医学图像处理中其他相关技术发展和应用的瓶颈[3]。从临床应用的角度看，图像分割的目的是对人体器官或组织进行3D重建和定量分析的重要基础，从而把病灶区或感兴趣的区域提取并显示出来，为临床医学诊断和治疗提供可靠的依据。
医学图像分割在临床上方面有重要的意义，具体表现在以下几个方面：
（1）医学图像分割是医学图像的后续处理，是对图像进行分析和理解的重要前提，如能对不同形式图像的配准、融合以及识别。
（2）可通过医学图像利用计算机技术来仿真出人体器官、病灶、组织的体积。通过对病理组织和正常组织的体积对比，得出病灶区位置。也可通过对治疗前后的体积测量和分析，能帮助医生对病人疾病进行诊断和定制治疗方案，能通过体积的变化对药物疗效进行评估并及时调整治疗方案。
（3）图像分割的结果能在有用信息不丢失的情况下对图像进行数据压缩和传输，降低了数据的传输量，这对提高互联网的传输速度有着至关重要的作用。
（4）图像分割成若干区域后能减弱原图像的噪声，因此具有一定的降噪效果。便于图像的进一步分析。
本文主要针对脑部核磁共振（Magnetic Resonance Imaging，MRI）图像进行研究分割。广泛应用于神经系统、心血管系统疾病的检测与定位的MRI成像技术，对于人脑部疾病，MRI有着其它成像方式不能替代的优点。在对人脑MRI图像进行分析时我们需要考虑以下因素：首先，脑的结构存在很大的个体差异，并且脑结构是非刚性的，非常复杂。其次，噪声、场偏移效应、患者的体位移动等，会使脑部MRI受到灰度不均匀、部分容积效应和运动伪影等不利因素的影响，这些不利因素使得快速、准确和鲁棒地分割脑组织MR图像成为一件困难的事[4]。
1.2 国内外研究现状分析
1.3本文的研究内容及结构安排
第一章：绪论，介绍该课题的研究背景和研究现状。
第二章：MRI成像原理与图像预处理，介绍MRI图像成像简介、图像特点、MRI图像文件格式及本文数据简介和图像预处理。
第三章：边缘检测方法与阈值分割方法，用五种边缘检测算子对图像进行分割，用全局阈值分割方法对图像进行分割。
第四章：基于聚类的分割方法，介绍三种聚类分割方法，分别是K-means、FCM、改进的FCM方法。
第五章：总结与展望，对本文的总结和对图像分割方法的展望。