国内外的研究现状与分析
人体切片图等医学图像的体数据来源于各种影像设备，或者来源于彩色解剖或切削图像数据集。依据体数据在三维空间上的分布来分类，切片图像属于规则网格结构化数据。由于结构化数据中数据表示的特点，图像经过图像分割后可方便进行三维重建。图像分割是所有图像处理、分析和理解系统的关键技术之一，也是对三维数据进行可视化处理非常重要的一个环节。如前所述，只有对二维数据进行了准确分割，才能经过后续的三维重建得出合理几何模型[1]。
由于图像分割受到了人们长期以来的重视，图像分割的算法也发展了上千种。而对于“虚拟人”切片图像的研究，国内学者一直关注着这一研究工作的进展并利用美国的VHP数据集进行了卓有成效的研究工作。如香港中文大学虚拟现实、可视化与图像学研究中心王平安等利用VHP数据进行了人体头部、心脏、气管支气管等器官的可视化研究以及中医经络和穴位在可视人体的显示；清华大学唐泽圣等利用科学计算可视化和虚拟现实技术对人体颅底部结构进行了可视化显示；清华大学白净等利用VHP的数据，在基于虚拟人的计算医学研究方面，对人体多个器官的结构与功能进行了可视化显示；中国科学院自动化研究所田捷等构建了开放的虚拟人体实验平台(MITK)，对于数据压缩、图像分割、配准与融合、三维重建与绘制以及面片化简算法等进行了研究；复旦大学宋志坚等利用CT、MRI获得的数据进行三维重建和立体显示研究，其结果已实际应用于临床诊断；山东大学刘树伟等使用自己制作的断面标本获取数据，对网膜囊和肝段等人体结构进行了三维重建和立体显示；厦门大学王博亮等对虚拟眼进行了研究等等。可见，这个领域的研究在国内已经取得了一定的成果。
1.3 医学图像分割的常见任务
正像前面所述的医学图像分割是制约医学图像处理中其他相关技术发展和应用的瓶颈，是医学图像理解的基础。根据医学图像的成像模式，常见的分割任务[2]主要有：
1.针对磁共振图像，尤其是脑核磁共振图像的分割。这是由于核磁共振图像具有高分辨率、高信噪比和出色软组织对比度等特点，主要使用聚类方法、神经网络方法和MRF方法等；
2.胸部X光射线透视图像，主要使用分类器、活动轮廓模型和MRF方法；
3.CT图像中骨和骨瘤的分割，主要通过阈值法、MRF、形变模型和区域生长法及其之间的结合；
4.超声图像、心电图像，主要使用形变模型和手工分割；
根据医学图像分割方法分类，常见的分割任务[2]有：
1.基于边界的医学图像分割是将图像中感兴趣的区域(ROI)分离出来，提取其边界，例如X光片和CT片需要勾画出肿瘤的明确边界，超声图像中需要准确地确定心房、心室的舒张、收缩轮廓，以及将CTA图像和MRI图像中的血管部分从周围组织中提取出来应用。其目的是为ROI准确定位、三维重建及定量化测定提供基础。但人体的不同部位及不同模态的图像ROI提取的难易程度是不同的，对血管的分割难度最大；
2.基于区域的医学图像分割是对一幅图像按特征相似性划分为若干具有意义的区域。例如使用阈值法分割CT图像中皮肤、骨骼；使用区域生长法分割肿瘤和伤疤；使用聚类方法分割磁共振图像中的脑白质和脑灰质等。
1.4 脑图像分割研究特点
由于噪声、场偏移效应、局部体效应等的影响，使获取的医学图像不可避免地具有模糊、不均匀性等特点。此外，人体的解剖组织结构和形状很复杂，而且个体之间有相当大的差别。因此，医学图像分割是一项困难的任务，经过国内外研究人员多年的努力，虽然提出很多种分割算法，但至今仍然没有获得圆满的解决。医学图像分割仍是研究的热点，脑图像分割是医学图像分割一个重要的研究领域，其分割算法的研究具有以下特点[2]：
1.对于医学图像的识别而言，有的时候需要专家的指导，解剖知识、病理知识以及关于成像方式的知识也是必不可少的。利用医学领域的先验知识可以起到简化算法、提高效率的效果并得到更精确的分割结果。通常医学领域的先验知识可以归纳为五种：一是临床知识，如某种疾病的症状及它们所处的位置。二是成像知识，即不同影像设备的成像特点，不同成像设备的扫描参数等。三是对象的形状特征，即解剖知识和形态学信息；四是不同对象空间的关系；五是统计知识，如图像中不同对象的灰度分布情况等。
2.将新概念、新方法引入图像分割领域，尤其是结合数学领域的理论提出的新方法。如基于数学形态学、神经网络、模糊集与粗糙集理论、小波、遗传算法、偏微分方程与变分法、马尔可夫随机场等理论的特殊分割技术。
3.单一的分割技术难以胜任复杂的医学图像分割任务，将多种图像分割算法有效结合日益受到重视，近几年提出的方法大多数是结合多种算法的。采取什么样的结合方式才能充分利用多种方法的优点，取得好的效果己成为人们关注和研究的问题。
4.随着三维可视化技术的发展，医学图像分割的三维分割受到更多关注。这是因为，医学图像中直接给出了以二维切片形式组织的三维数据，这就为三维分割提供了可能。有两种三维分割方式：一是直接在三维数据空间中分割，提取出感兴趣对像的体素：另一种是对每张二维切片独立进行分割，再将每张切片中提取的轮廓组合起来用于三维重建。
5.医学图像分割面向具体的临床应用，分割算法的准确性将影响诊断的结果和治疗方案，因此算法的准确性尤为重要。
1.5 本论文的组织结构
本论文组织结构和主要任务如图1.1所示：
图1-1 论文组织结构图
第1章是绪论，简介了课题的研究背景及意义，分析国内外医学图像处理的研究现状及特点，指出了本文主要研究的内容。
第2章综合介绍医学切片图像的预处理及分割算法，针对当前的主流分割算法进行了分析、归纳和总结，比较了各类方法的优缺点。
第3章针对头部切片图像的特点，利用MATLAB实现各种图像预处理和边缘提取的分割算法，给出相应算法的算法实现过程和流程图。并且从显示的效果综合比较分析各种方法的优劣。
第4章在第3章的基础上结合本论文的主要研究内容，确定一种最佳的分割算法把它应用到后面的数据提取中去。研究了678张头部切片图的边缘数据提取的方案。
第5章为了验证本文中算法的优劣，把在第四章提取出的三维数据集在Imageware中由从点到线再到面的过程进行三维重构。根据重构效果，对本论文中的算法进行综合分析。
最后对全文作总结，指出本文取得的成果及存在的问题，并对将来进一步的研究工作进行展望。
