医学硕士论文答辩5.ppt

汇报提纲,研究背景 基于Chan-Vese模型的脑肿瘤图像分割 脑肿瘤的三维重构与定位 肝脏肿瘤体积计算 结束语,研究背景,研究对象 -脑肿瘤及肝脏肿瘤图片 研究目的 -肿瘤疾病的发病率较高，危害性大 -国内部分地区使用的肿瘤治疗手段弊端较多,研究背景,论文的体系结构,汇报提纲,研究背景 基于Chan-Vese模型的脑肿瘤图像分割 脑肿瘤的三维重构与定位 肝脏肿瘤体积计算 结束语,基于C-V模型的脑肿瘤图像分割,问题描述 -如何对边界不规则的脑肿瘤图像进行准确分割 采用的方法 -基于Chan-Vese模型的肿瘤图像分割方法 实验数据 -边界不规则的肿瘤图像,基于C-V模型的脑肿瘤图像分割,Chan-Vese模型简介 -由Tony Chan和Luminita Vese于2001年提出，是一种将水平集与主动轮廓模型相结合的曲线演化方法 Chan-Vese模型的主要优势 -分割速度较快 -初始轮廓选取灵活,基于C-V模型的脑肿瘤图像分割,分割流程图,基于C-V模型的脑肿瘤图像分割,该方法的主要创新点 -使用Chan-Vese模型对肿瘤图像进行分割时结合数学形态学操作，由于形态学操作针对像素逐个进行运算，能很好的提取分割目标的轮廓，所以能有效提高分割的准确度,基于C-V模型的脑肿瘤图像分割,脑肿瘤CT图片分割对比图,实验结果,基于C-V模型的脑肿瘤图像分割,两种算法平均耗费时间的比较（单位：秒）,两种算法的有效分割面积对比（单位：像素）,实验结果,汇报提纲,研究背景 基于Chan-Vese模型的脑肿瘤图像分割 脑肿瘤的三维重构与定位 肝脏肿瘤体积计算 结束语,脑肿瘤的三维重构与定位,需要解决的问题 -脑肿瘤图像的三维重构与定位 采用的方法 -面绘制方法及体绘制方法 实验数据 -包含脑肿瘤的图像切片,脑肿瘤的三维重构与定位,三维重构定义 -利用计算机对一定数量的二维图像序列切片进行处理，重构出病变体的三维立体形状,脑肿瘤的三维重构与定位,面绘制重构方法 -将图像中感兴趣的部分以等值面的形式抽取出来，然后借助三维可视化工具，通过进行光照效果变换和旋转来生成三维立体图像,原始图像 肝脏等值面提取 面绘制重构,脑肿瘤的三维重构与定位,体绘制重构方法 -将数据场中的体元看成一种半透明物质，然后赋予其一定的颜色和不透明度，最后由光线穿过整个数据场，进行颜色合成，进而在屏幕上得到三维立体图像,体绘制原理图,脑肿瘤的三维重构与定位,实验结果,脑肿瘤三维重构与定位示意图,（样本来源：兰州大学第二附属医院放射科）,汇报提纲,研究背景 基于Chan-Vese模型的脑肿瘤图像分割 脑肿瘤的三维重构与定位 肝脏肿瘤体积计算 结束语,肝脏肿瘤体积计算,需要解决的问题 -肝脏肿瘤体积计算 采用的方法 -累加法及可视化工具VTK 实验数据 -包含肝脏肿瘤的图像切片,肝脏肿瘤体积计算,传统表示方法 -依据WHO标准，病灶大小用最大直径和与其垂直的最大垂直径来表示 最新表示方法 -用体积表示病灶大小,肝脏肿瘤大小表示方法,肝脏肿瘤体积计算,计算原理,：单层切片面积,：扫描层距,：肝脏肿瘤体积,累加法介绍,肝脏肿瘤体积计算,免费且开源的三维图形图像处理工具箱 支持上百种图像处理与可视化算法,VTK介绍,肝脏肿瘤体积计算,实验结果,肿瘤体积计算流程图,“门脉右支” 体积（单位：像素）,“广泛门脉右支” 体积（单位：像素）,（样本来源：兰州军区兰州总医院影像科）,汇报提纲,研究背景 基于Chan-Vese模型的脑肿瘤图像分割 脑肿瘤的三维重构与定位 肝脏肿瘤体积计算 结束语,结束语,提出了基于Chan-Vese模型的肿瘤图像分割方法，提高了肿瘤图像分割的准确度 将三维重构技术应用于脑肿瘤临床处理，并对肝脏肿瘤体积进行了计算，为医生的术前诊断与术后分析提供了重要理论依据,论文的现实意义,已发表论文情况,许存禄，高佳，武国德. Chan