导读:本文包含了体数据分割论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,数据,曲面,断层,层析,医学,磁共振。
体数据分割论文文献综述
王璟瑞,高锐,邱焓[1]（2019）在《基于OpenCL并行加速的Mean Shift叁维体数据分割方法》一文中研究指出Mean Shift算法作为图像分割领域比较经典的算法,是一种基于特征向量的聚类算法,在图像分割的具体实现中应用广泛。为克服Mean Shift算法复杂度高、速度慢的缺点,提出一种叁维体数据的快速Mean Shift分割方法。该方法基于Mean Shift的基本思想和GPU的高性能并行计算能力,利用OpenCL对Mean Shift算法进行GPU并行化改造,实现了有意义的分割。实验结果表明,改进后的方法取得了较好的加速效果,运行速度提高了36.44倍。(本文来源于《通信技术》期刊2019年11期）
马超[2]（2019）在《医学磁共振图像体数据叁维分割研究》一文中研究指出磁共振成像(Magnetic Resonance Imaging,MRI)已经成为当前对人体进行功能、病理和解剖研究的重要辅助手段。准确的分割医学MR图像在病理生理分析、关键生物医学指标获取以及组织生物物理模型构建等方面具有重要意义。然而在实际应用中,由于受射频场不均匀性、不同软组织之间的差异性和部分容积效应等影响,MR图像质量退化严重,表现为图像灰度均匀性变差和不同组织结构间像素灰度分布范围的混迭,增加了对MR图像精细结构进行分割的难度。另外,图像的低对比度,软组织结构显着的多样性和弱边缘,也给分割带来了困难。所有这些问题,使得对MR图像进行自动鲁棒的精确分割仍然是一个极具挑战的课题。现有的一些MR图像分割方法存在着分割精度不够和鲁棒性较低等问题。为此,本文对医学MR图像体数据的叁维分割进行了深入研究,首先提出了一个基于活动轮廓的分割模型来克服MR体数据中存在的灰度不均匀性、噪声和弱边缘等复杂环境的影响;接下来,进一步将该模型整合进一个体素分类联合活动轮廓演化的分割框架内,实现对存在信号混迭的组织结构的自动精确分割;最后,我们重新设计了分割框架内的体素分类架构和能量泛函的信息整合方式,并将其应用于类别非均衡数据的多相分割中,取得了较好的效果。本文的主要工作和研究成果如下:首先,为了克服灰度不均匀、噪声和弱边缘等复杂环境对MR体数据分割的影响,本文提出一种基于鲁棒统计量驱动尺度可调活动轮廓的MR体数据分割模型。该模型以便捷的方式将活动轮廓模型中的初始轮廓简化为一些点或线,并进一步综合利用初始种子点及活动轮廓邻域内尺度可调的局部区域信息构造了新的能量泛函。基于鲁棒统计量构造的特征向量有效抑制了噪声的影响,而尺度可调的局部化方案则使得该模型能够应对灰度不均匀以及弱边缘的影响,从而实现了复杂环境下MR体数据的精确分割。人工数据集以及真实数据集上的大量实验表明,该模型具有较高的分割精度,对于复杂环境和初始化的影响保持了较强的鲁棒性。其次,为实现对具有低组织对比度的MR体数据的全自动分割,本文提出了一个整合了级联随机森林与尺度可调活动轮廓的分割模型。该模型将分割任务转化为体素分类与轮廓曲线演化的联合,随机森林输出的体素分类结果为活动轮廓模型提供了良好的初始化和形状约束,而活动轮廓模型的曲线演化对体素分类结果进行了精炼,从而实现了模型间的有效互补。所提出的体数据局部与环境信息融合方法,能够更加有效的驱动随机森林与活动轮廓模型。与以往基于随机森林的分割方法不同,所提出的级联架构可以迭代的精炼分割结果并对多个级联分支进行融合;与目前标准的有监督学习方案相比,本文的级联随机森林的训练过程能够灵活的为每个级联分支选择训练样本,而不必由于样本的改变而重新训练全部模型,增强了模型的可扩展性。此外,由于该分割框架将独立的体素分类与曲线演化整合在一起,随机森林的分割结果得到进一步精炼,从而可获取光滑的具有几何约束的边界。最后,与其他基于活动轮廓模型的分割方法相比,所提出的分割框架内的活动轮廓模型由于整合了随机森林提供的初始轮廓和形状约束,可以实现完全自动化的分割;初始轮廓与最终轮廓接近,因此曲线演化所需的迭代次数更少;在形状先验信息的约束下,对于信号混迭的组织结构有着更加理想的分割效果。再次,本文提出一种基于随机森林的多重级联分割模型。该模型可以整合多模式MR体数据中的多尺度、任务自适应的信息,以实现对组织结构自动鲁棒的精确分割。该模型将随机森林用作成像模式特定的特征学习核,直接在多模式MR体数据上进行图表示学习,实现了任务自适应的特征表示学习策略,可以获取特定目标的边缘信息。模型中多重级联的分割架构保证了分割精度,而两阶段训练策略使其能够有效应对类别非均衡数据。所提出的模型训练过程中的正则化方法可以有效增强模型的泛化能力。比较实验证明了所提出的分割架构的有效性。最后,本文提出一种整合了多重级联随机森林与多尺度块驱动活动轮廓的MR体数据分割模型。该模型首先利用多重级联随机森林进行初步分割,然后利用一种新颖的先验信息整合方法将初步分割结果作为初始轮廓与形状约束提供给多相活动轮廓模型。进一步,利用基于体素块的稀疏表示技术将MR体数据中的多尺度、多模式空间约束信息整合进了活动轮廓模型的能量泛函中。最后,利用耦合水平集方法最小化能量泛函实现MR体数据的多相精细分割。该MR体数据分割模型在公开数据集上取得了满意的结果,与当前流行的分割方法的对比实验显示了该模型的显着优势。(本文来源于《哈尔滨工业大学》期刊2019-01-01）
樊鲁杰,孙延奎,张田,田小林[3]（2013）在《光学相干层析视网膜体数据的3维分割》一文中研究指出提出一种光学相干层析(OCT)视网膜体数据3维分割的新方法。综合利用视网膜边界方向、图像强度峰值及分而治之的策略,可分割出多层重要边界面。具体过程是:在OCT体数据中,从上到下查找A-scan的第1个峰值确定内界膜(ILM)的初始位置,再通过表面光滑性约束去除异常点进行优化;利用类似的方法从下到上查找A-scan的第1个峰值定位视网膜色素上皮层(RPE);然后,对由ILM和RPE之间的数据构成的子体,确定每条A-scan的亮度最大值分割出内外节层(IS/OS)上边界表面;最后,对由ILM和IS/OS之间的数据构成的子体,从下到上寻找A-scan的第1个峰值定位内核层和外网织层(INL/OPL)之间的边界表面。实验结果表明,本文方法在普通台式计算机上能够正确地分割出上述4个边界面,且每个边界面的分割可在几秒内完成。(本文来源于《中国图象图形学报》期刊2013年03期）
朱代辉,林时苗,杨育彬[4]（2013）在《医学叁维影像体数据阈值分割方法》一文中研究指出建立医学叁维体数据阈值分割描述模型,把OSTU图像分割算法和梯度算子图像分割算法的思想应用于叁维体数据,提出并实现了两种医学叁维体数据阈值分割算法,并通过实验证明这两种算法获得了较好的分割效果。为进一步对体数据阈值分割算法的性能进行量化评价,定义了两个量化指标:分割准确度和分割平衡度,并通过实验给出了上述两种体数据阈值分割算法的性能评价指标。在给定体数据和标准分割的前提下,OSTU算法比梯度算子算法能取得更好的阈值分割效果。(本文来源于《计算机科学》期刊2013年01期）
曹锦华[5]（2010）在《医学图像体数据分割及其可视化研究》一文中研究指出医学图像叁维可视化是科学计算可视化中最成功的应用领域之一,是继医学图像分割技术之后的又一研究热点内容。通过对医学图像叁维可视化技术的研究,能够更直观、更清晰观察人体病变部位,提出更有效的诊断方案,从而提高诊断的效率。本课题采用多种医学图像分割算法,并应用于医学图像叁维可视化技术当中,研究内容主要包括医学图像体数据分割算法,基于体数据分割的直接体绘制方法。论文研究的具体工作有：1)提出医学图像分割改进算法。论文首先介绍常见医学图像分割算法,重点研究区域生长算法和区域分裂算法在医学图像分割中的应用。为提高体数据分割效率,论文提出一种基于八叉树的分裂合并算法,该算法能够准确而高效地对医学图像体数据进行分割处理,实现对医学图像区域或组织的准确分割和提取。实验表明提出的基于八叉树算法在分割多张切片序列情况下,分割效率提高10%,较传统分割算法的分割效果有显着的提高。2)研究医学图像叁维可视化算法,重点研究Marching Cubes算法以及光线投射算法,并在论文中给出两种算法的具体实现过程。同时对可视化的相关操作——面剖切和体剖切交互技术进行分析。3)设计并完成医学图像体数据分割及可视化系统。详细介绍DICOM3.0标准医学图像,用于解析医学图像。采用VC++6.0开发工具,MITK工具包,对符合DICOM 3.0标准的医学CT断层图像进行处理,实现医学图像分割以及叁维可视化系统。实验表明,将基于八叉树的体数据分割算法应用于该系统中,能够加速系统叁维重建速度,具有可行性和有效性。本课题重点研究叁维可视化技术,结合医学图像分割技术,设计医学图像体数据分割及可视化系统。通过对该课题的研究,对提高医学图像数据的应用价值具有深远的意义。(本文来源于《西安工业大学》期刊2010-06-09）
秦绪佳,陈新鸿,朱思达,韩军[6]（2010）在《基于组织分割的医学体数据剖切方法》一文中研究指出通过对医学体数据进行剖切,在方便观察其内部组织结构的同时,保留周围潜在的重要环境信息,可提供一个整体的情景图像。提出一种基于组织分割的体数据剖切方法,该方法关注于构成体数据的语义层,从医学诊断中的现实需求出发,以逻辑拆分来剖切体数据,以提供更加完整、直观的显示。将梯度矢量扩散法扩展到叁维情形,同时提出叁维梯度矢量扩散的体数据分割方法。在剖切方法中,首先运用叁维梯度矢量扩散法来立体分割医学体数据中的组织,然后通过不同的空间传输函数来操作不同的组织,实现体数据的叁维空间剖切体操作。实验结果表明,该方法能够有效去除遮挡数据以揭露内部信息,能保留相关环境信息来增加剖切的可理解性,可取得良好的虚拟剖切效果。(本文来源于《中国生物医学工程学报》期刊2010年01期）
吴健,叶峰,崔志明,孙晓平[7]（2008）在《基于八叉树分裂合并的医学体数据分割》一文中研究指出提出一种基于八叉树的分裂合并算法,能够准确而高效地对医学图像体数据进行分割操作,并通过可视化技术重现人体器官.实验表明该方法实用有效,能够得到符合人类视觉系统特性的分割结果.(本文来源于《2008年全国开放式分布与并行计算机学术会议论文集(下册)》期刊2008-10-25）
吴健,叶峰,崔志明,孙晓平[8]（2008）在《基于八叉树分裂合并的医学体数据分割》一文中研究指出提出一种基于八叉树的分裂合并算法,能够准确而高效地对医学图像体数据进行分割操作,并通过可视化技术重现人体器官.实验表明该方法实用有效,能够得到符合人类视觉系统特性的分割结果.(本文来源于《微电子学与计算机》期刊2008年10期）
叶峰[9]（2008）在《医学图像体数据分割及其可视化的研究》一文中研究指出医学影像领域的迅速发展极大的推动了现代医学的进步。目前,计算机断层成像(CT)、核磁共振成像(MRI)、超声等医学影像技术已被广泛地应用于临床诊断和治疗。本文的主要研究内容是:在计算机的辅助下,从医学图像中分割出医生感兴趣区域,并结合可视化技术进行叁维显示。对该课题的研究能够使医生对人体病变部位的观察更直观、更清晰,提高诊断的正确率。在医学图像处理与分析领域中,图像分割一直是经典难题之一。分割是正常组织和病变组织的叁维可视化、手术模拟、图形引导手术等后续处理的基础,分割的准确性对医生诊断患者的病情至关重要,因此图像分割在医学应用中具有特殊的重要意义。医学图像可视化是目前医学图像处理的一项重要研究内容,也是科学计算可视化中最成功的应用领域之一,已成为辅助疾病诊断和治疗的重要手段,并且深入到医学的各个方面。叁维可视化技术主要包括面绘制和体绘制,其中体绘制的渲染图像保留了原始影像数据中丰富的叁维信息,可将人体内各组织的层次关系表现出来,因此本文主要采用体绘制显示对体数据分割的效果。本文首先研究了医学图像叁维可视化中的基础知识,介绍了几种常用的叁维重建算法;然后对图像分割领域进行深入探索,概括了当前较为成熟的和正在探索中的分割算法,并分析如何将常见的图像分割算法应用于叁维体数据中;接下来针对医学图像体数据采用几种算法进行分割处理,并通过实现效果分析各算法各自的适用范围以及优缺点;最后实现一个完整的医学图像叁维可视化系统,针对符合DICOM 3.0标准的医学CT断层图像进行处理。实验结果表明,本文的研究对体数据的分割与可视化处理较为实用,为临床诊断治疗以及医学教学提供了较好的辅助。本文对医学图像体数据分割中的关键技术进行了探讨,将序列断层图像所构成的体数据看作一个整体进行处理,以提高分割效率和准确率。文中实现了几种针对序列CT图像的叁维分割算法,此外为了提高分割效率,本文提出一种基于八叉树的分裂合并算法,能够准确而高效地对体数据进行分割处理。本文最后,对毕业课题所做工作进行总结,并提出进一步的研究设想。(本文来源于《苏州大学》期刊2008-04-01）
马兴亮[10]（2007）在《一种针对体数据分割的计算机辅助设计方法》一文中研究指出图像分割是把感兴趣区域从图像信息中提取出来的过程,这些区域通常表示对象或者对象的一部分。目前的图像分割方法并不能准确分割医学图像数据中所有的对象。此外,即使图像分割能够准确表达图像信息,当对象特性发生变化或者对象边界变得模糊,也就是说图像信息本身不准确,分割就会遇到困难,并且这些变化是不可预测的。上述原因导致发展一种能够对所有图像数据都能够准确分割的自动图像分割方法是非常困难的。又因为医学图像分割要求高精度,这样,就需要设计一种辅助方法帮助用户对医学图像分割结果进行修改。修改的形式可以二维(2-D)或者叁维(3-D),本课题的一个特色就是通过编辑叁维曲面模型的形状来修改二维数据。本课题研究一种针对体数据分割的计算机辅助设计方法,它能够帮助用户有效的改正图像分割产生的错误。本方法利用参数化曲面逼近叁维区域,这里的参数化曲面是指有理高斯曲面,通过修改生成参数化曲面的控制点位置,编辑曲面形状,从而完成辅助分割的功能。首先对目标对象数字外形(Digital shape)实施参数化,使用的是“粗糙-细致”方法。该方法主要研究:单个叁角形细分算法;叁角形网格逼近数字外形算法;数字外形参数化算法。得到了参数化的数字外形后,本文研究了有理高斯曲面的生成原理及方法,并完成逼近数字外形算法。最后在Visual C++.NET平台上结合OpenGL(Open Graphics Library)技术实现叁维可视化,给出用户编辑图像分割结果的界面,完成了计算机辅助设计图像分割结果的功能。使用者通过本方法可以同时看到分割区域的表面和体积像素,这样就可以局部的调整曲面的形状,直到获得理想的曲面形状。本方法唯一的限制是只适合于球面拓扑区域。利用本方法,使用者只需要很少的时间,就可以修改自动图像分割的结果,从而得到更为准确的分割结果。(本文来源于《哈尔滨工业大学》期刊2007-07-01）
体数据分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
磁共振成像(Magnetic Resonance Imaging,MRI)已经成为当前对人体进行功能、病理和解剖研究的重要辅助手段。准确的分割医学MR图像在病理生理分析、关键生物医学指标获取以及组织生物物理模型构建等方面具有重要意义。然而在实际应用中,由于受射频场不均匀性、不同软组织之间的差异性和部分容积效应等影响,MR图像质量退化严重,表现为图像灰度均匀性变差和不同组织结构间像素灰度分布范围的混迭,增加了对MR图像精细结构进行分割的难度。另外,图像的低对比度,软组织结构显着的多样性和弱边缘,也给分割带来了困难。所有这些问题,使得对MR图像进行自动鲁棒的精确分割仍然是一个极具挑战的课题。现有的一些MR图像分割方法存在着分割精度不够和鲁棒性较低等问题。为此,本文对医学MR图像体数据的叁维分割进行了深入研究,首先提出了一个基于活动轮廓的分割模型来克服MR体数据中存在的灰度不均匀性、噪声和弱边缘等复杂环境的影响;接下来,进一步将该模型整合进一个体素分类联合活动轮廓演化的分割框架内,实现对存在信号混迭的组织结构的自动精确分割;最后,我们重新设计了分割框架内的体素分类架构和能量泛函的信息整合方式,并将其应用于类别非均衡数据的多相分割中,取得了较好的效果。本文的主要工作和研究成果如下:首先,为了克服灰度不均匀、噪声和弱边缘等复杂环境对MR体数据分割的影响,本文提出一种基于鲁棒统计量驱动尺度可调活动轮廓的MR体数据分割模型。该模型以便捷的方式将活动轮廓模型中的初始轮廓简化为一些点或线,并进一步综合利用初始种子点及活动轮廓邻域内尺度可调的局部区域信息构造了新的能量泛函。基于鲁棒统计量构造的特征向量有效抑制了噪声的影响,而尺度可调的局部化方案则使得该模型能够应对灰度不均匀以及弱边缘的影响,从而实现了复杂环境下MR体数据的精确分割。人工数据集以及真实数据集上的大量实验表明,该模型具有较高的分割精度,对于复杂环境和初始化的影响保持了较强的鲁棒性。其次,为实现对具有低组织对比度的MR体数据的全自动分割,本文提出了一个整合了级联随机森林与尺度可调活动轮廓的分割模型。该模型将分割任务转化为体素分类与轮廓曲线演化的联合,随机森林输出的体素分类结果为活动轮廓模型提供了良好的初始化和形状约束,而活动轮廓模型的曲线演化对体素分类结果进行了精炼,从而实现了模型间的有效互补。所提出的体数据局部与环境信息融合方法,能够更加有效的驱动随机森林与活动轮廓模型。与以往基于随机森林的分割方法不同,所提出的级联架构可以迭代的精炼分割结果并对多个级联分支进行融合;与目前标准的有监督学习方案相比,本文的级联随机森林的训练过程能够灵活的为每个级联分支选择训练样本,而不必由于样本的改变而重新训练全部模型,增强了模型的可扩展性。此外,由于该分割框架将独立的体素分类与曲线演化整合在一起,随机森林的分割结果得到进一步精炼,从而可获取光滑的具有几何约束的边界。最后,与其他基于活动轮廓模型的分割方法相比,所提出的分割框架内的活动轮廓模型由于整合了随机森林提供的初始轮廓和形状约束,可以实现完全自动化的分割;初始轮廓与最终轮廓接近,因此曲线演化所需的迭代次数更少;在形状先验信息的约束下,对于信号混迭的组织结构有着更加理想的分割效果。再次,本文提出一种基于随机森林的多重级联分割模型。该模型可以整合多模式MR体数据中的多尺度、任务自适应的信息,以实现对组织结构自动鲁棒的精确分割。该模型将随机森林用作成像模式特定的特征学习核,直接在多模式MR体数据上进行图表示学习,实现了任务自适应的特征表示学习策略,可以获取特定目标的边缘信息。模型中多重级联的分割架构保证了分割精度,而两阶段训练策略使其能够有效应对类别非均衡数据。所提出的模型训练过程中的正则化方法可以有效增强模型的泛化能力。比较实验证明了所提出的分割架构的有效性。最后,本文提出一种整合了多重级联随机森林与多尺度块驱动活动轮廓的MR体数据分割模型。该模型首先利用多重级联随机森林进行初步分割,然后利用一种新颖的先验信息整合方法将初步分割结果作为初始轮廓与形状约束提供给多相活动轮廓模型。进一步,利用基于体素块的稀疏表示技术将MR体数据中的多尺度、多模式空间约束信息整合进了活动轮廓模型的能量泛函中。最后,利用耦合水平集方法最小化能量泛函实现MR体数据的多相精细分割。该MR体数据分割模型在公开数据集上取得了满意的结果,与当前流行的分割方法的对比实验显示了该模型的显着优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
体数据分割论文参考文献
[1].王璟瑞,高锐,邱焓.基于OpenCL并行加速的MeanShift叁维体数据分割方法[J].通信技术.2019
[2].马超.医学磁共振图像体数据叁维分割研究[D].哈尔滨工业大学.2019
[3].樊鲁杰,孙延奎,张田,田小林.光学相干层析视网膜体数据的3维分割[J].中国图象图形学报.2013
[4].朱代辉,林时苗,杨育彬.医学叁维影像体数据阈值分割方法[J].计算机科学.2013
[5].曹锦华.医学图像体数据分割及其可视化研究[D].西安工业大学.2010
[6].秦绪佳,陈新鸿,朱思达,韩军.基于组织分割的医学体数据剖切方法[J].中国生物医学工程学报.2010
[7].吴健,叶峰,崔志明,孙晓平.基于八叉树分裂合并的医学体数据分割[C].2008年全国开放式分布与并行计算机学术会议论文集(下册).2008
[8].吴健,叶峰,崔志明,孙晓平.基于八叉树分裂合并的医学体数据分割[J].微电子学与计算机.2008
[9].叶峰.医学图像体数据分割及其可视化的研究[D].苏州大学.2008
[10].马兴亮.一种针对体数据分割的计算机辅助设计方法[D].哈尔滨工业大学.2007
论文知识图
