信息检索大作业.doc

课题名称：名称： 大脑MRI图像的分割一、课题背景简要介绍 随着近年来成像技术的快速发展，影像的质量得到了很大程度上的改善。各种成像如X光照相术（X光）、计算机化X线断层摄影术（CT）、核磁共振成像（MRI）、数字减影血管造影（DSA）、正电子发射断层扫描（PET）、单光子发射断层扫描（SPET）、超声成像（Ultrasound Imaging）等提供了丰富的人体图像，并且能够无创地体外成像，成为了图像研究过程的重要部分。核磁共振成像是现代重要的医学成像技术，具有其它影像技术无法比拟的优势，在医学研究和临床应用中扮演越来越重要的角色。 在医学图像分割中，对脑MRI图像的分割更具代表性和临床实用价值。准确的脑组织分割是有效地探测影响脑实质的病理条件、制定放疗计划、脑结构3D可视化重建及病灶定量测量等应用的前提和先决条件。分析脑 MRI 图像数据时需要考虑以下许多因素：第一，脑的结构是非刚性的，非常复杂，而且个体差异性很大；第二，无论使用何种分割算法，都始终存在一些因素如磁场信号强度的不均匀性、随机噪声、部分容积效应以及人体运动等，影响着磁共振脑组织分割的准确性。由于磁共振图像的复杂性和多样性，使得利用传统医学图像分割方法分割脑MRI图像时耗时多且精度不高,因此,提出一种更为快速准确的脑MRI图像分割方法,对于丰富和发展该领域的研究手段和理论都有着十分积极的意义。国内外许多专家学者都在这一领域里进行着深入广泛的研究。二、文献检索策略(一)检索词：中文词：英文词：1. 脑核磁共振图像1.brain MRI image2. 大脑MRI2.image segmentation technology3. 图像分割3.(二)检索式及检索策略：中文检索式：（脑核磁共振图像+大脑MRI）*图像分割英文检索式：brain MRI image*image segmentation technology三、文献检索范围及结果 （请附上检索结果截图）1数字化期刊全文数据库（万方数据）2 Science Citation Index Expanded (SCI-E)3 EI Engineering Village:Compendex(EI) 4 Scopus：5 本专业外文全文数据库：名称：IEEE/IEE proceedings(IEEE/IEE会议论文全文)截图：四、了解本专业十年来高被引论文Essential Science Indicators数据库中点击Highly Cited Papers (last 10 years)从Display papers from this field: 中选择你所在学科领域，从你所在学科领域的高被引论文中找出一篇，题目：A LEVEL SET METHOD FOR IMAGE SEGMENTATION IN THE PRESENCE OF INTENSITY INHOMOGENEITIES WITH APPLICATION TO MRI摘要（将英文翻译成中文）：摘要原文Intensity inhomogeneity often occurs in real-world images, which presents a considerable challenge in image segmentation. The most widely used image segmentation algorithms are region-based and typically rely on the homogeneity of the image intensities in the regions of interest, which often fail to provide accurate segmentation results due to the intensity inhomogeneity. This paper proposes a novel region-based method for image segmentation, which is able to deal with intensity inhomogeneities in the segmentation. First, based on the model of images with intensity inhomogeneities, we derive a local intensity clustering property of the image intensities, and define a local clustering criterion function for the image intensities in a neighborhood of each point. This local clustering criterion function is then integrated with respect to the neighborhood center to give a global criterion of image segmentation. In a level set formulation, this criterion defines an energy in terms of the level set functions that represent a partition of the image domain and a bias field that accounts for the intensity inhomogeneity of the image. Therefore, by minimizing this energy, our method is able to simultaneously segment the image and estimate the bias field, and the estimated bias field can be used for intensity inhomogeneity correction (or bias correction). Our method has been validated on synthetic images and real images of various modalities, with desirable performance in the presence of intensity inhomogeneities. Experiments show that our method is more robust to initialization, faster and more accurate than the well-known piecewise smooth model. As an application, our method has been used for segmentation and bias correction of magnetic resonance (MR) images with promising results.摘要翻译：真实图像的强度不均匀性往往会给图像的分割提供一个巨大的挑战。基于区域的分割方法是最广泛使用的图像分割算法，它们通常依赖于所感兴趣的区域中图像的强度的均匀性，但是，由于强度的不均匀性，这类方法往往不能提供准确的分割效果。本文提出了一种新的基于区域的图像分割方法，它能够处理在分割强度不均匀性。首先，基于模型的图像强度的不均匀性，论文推导出一个图像强度的局部强度的聚类属性，并在每个点的邻域的图像强度定义一个局部聚类准则函数。局部聚类准则函数与邻域中心提供一个全局的图像分割标准集成。在一个水平集中，该标准的水平集函数定义了一个能量场并用来表示的一个分区的图像域和一个偏置场占图像的强度的不均匀性。因此，通过最小化该能量，这种方法是能够同时分割和估计的偏差场，同时估计的偏置可用于强度的非均匀性校正（或偏置校正）。此方法在强度不均匀性的方面所期望的性能已经在合成图像和真实图像的各种方式中得到验证。实验结果表明，这种方法比著名的分段光滑模型法更稳定、更快速、更准确。作为应用，这种方法在分割和偏置校正核磁共振图像方面已取得可喜的成果22。点评（请用中文点评）：由于磁共振图像的复杂性和多样性，使得利用传统医学图像分割方法分割脑MRI图像时耗时多且精度不高,因此,提出一种更为快速准确的脑MRI图像分割方法,对于丰富和发展该领域的研究手段和理论都有着十分积极的意义。这篇文章提出了一种基于水平集的图像分割算法。相比之于传统的分割方法，这种方法有很大的优势，但是也不能完全解决图像分割所存在的各种问题。因此，文章的引用量还是十分的低。参考文献：（输入你点评的高被引论文，只需要1篇，用noteexpress软件插入）（格式要求：本专业SCI/SSCI期刊影响因子排名第一的期刊投稿参考文献格式）期刊名：IEEE Transactions on Pattern Analysis and Machine Intelligence参考文献：1 C.M.Li,R.Huang,Z.H.Ding,and