基于模糊聚类的医学图像分割开题报告.doc

四川大学
工程硕士专业学位生
学 位 论 文 开 题 报 告

院、系（所）
工 程 领 域 软件工程
姓名（学号） 方仙容（R20110407 ）
指 导 教 师 杨秋辉
指 导 教 师

四川大学研究生院
二0一一年九月

论文题目
基于Android的宠物监控系统
课题的目的，国内外研究现状和发展趋势：
医学图像处理的研究开始于七十年代后期，其真正临床应用始于1983年，当时磁共振(MR)设备实现了临床应用，给影像医学带来了空前的活力。，随着医学成像设备CT或MRI等技术迅速发展，使临床医生对人体内部病变部位更直接、清晰和准确的观察成为可能。
　　目前MRI技术已经广泛应用在医疗诊断、术前计划、治疗、术后监测等各个环节中。这些成像技术的目的是全面而精确地获得病人的各种定量定性数据，为诊断、治疗计划、手术和术后评估提供正确的数字化信息近年来在医学临床中，经常需要对人体某种组织和器官的形状、边界、截面面积以及体积进行测量，从而得出该组织病理或功能方面的重要信息，有助于医生临床中对患者患病组织的精确定位、肿瘤的早期诊断和治疗。
　　医学图像处理主要包括：医学图像的分割，医学图像的配准，结构分析、运动分析和医学图像的三维重建与可视化技术。而结构分析、运动分析、三维可视化等后续操作都是在已经对医学图像做了准确分割的基础之上，这就导致了医学图像分割成为临床医学应用的瓶颈，分割的准确性对医生的判断疾病的真实情况并做出正确的诊断计划至关重要。本课题就是在这样的环境中提出的，在对目前已有的算法进行分析比较，旨在针对MRI成像特点能够有有针对性地进行分割。
　医学图像分割在图像分割中的特殊性使医学图像分割成为一个经典难题，至今已有上千种分割方法，其中既有经典的方法也有结合新兴理论的方法。目前，医学图像分割研究的内容丰要是各种细胞、组织与器官的图像。医学图像分割的研究多年来一直受到人们的高度重视，分割算法也层出不穷，对于医学图像分割算法的分类依据也不统一。从图像分割的处理对象这一角度来看，可以将这个问题划分为两个基本类型的分割问题：即面向正题区域的整体分割和面向边缘的部分分割，此外，随着统计学理论、模糊集理论、神经网络、形态学理论、小波理论现在图像中的广泛应用，许多有针对性的图像分割算法相继被提出。

研究设计方案、预期结果：
1.查阅主流的医学图像分割方法和技术，归纳比较图像分割领域中这些主流方法和技术的特点。
2. MRI成像原理，以及成像特点，根据成像特点我们可以知道灰度的MRI图像能够反映MRI图像的特点。
3. 使用中值滤波后简易地地实现了传统的分水岭算法
4. Kohonen竞争学习算法输入具有聚类性，对拓扑具有有序性以及具有多分辨率的意义，对算法进行实现，达到预期的效果。
所需条件和完成时间：
2012.11.1-2012.11.10
医学图像的采集筛选工作
2012.11.11-2012.11.30
医学分割知识的收集和学习。
2012.12.1-2012.12.20
MRI成像技术的学习和图像处理技术的实现。
2012.12.21-2013.1.10
实现分水岭算法和Kohonen竞争学习算法。
2013.1.11-2013.2.1
论文的整理和撰写

论文选题来源：

医学图像的分割一直是研究的热点，结合单位的项目进行编程实现。
指导教师意见：

指导教师签名：

年 月 日
工作单位意见：

单位负责人签名：

2011年09月10日
院、系（所）意见：

院、系、所负责人签名：

2011年09月10日
此表经主管院长、系主任、所长批准后复印一式两份，一份存院、系（所），一份交研究生院备案。