医学硕士论文答辩.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-Vese模型下的脑肿瘤图像分割方法.计算机工程与应用,2010,46(9):155-158,感谢,许存禄老师电路与系统研究所的全体成员各位答辩评委我的父母,