现代医学图像处理导论
姓名：顾衍文 学号：S1409W0536
专业：控制工程
医学图像处理
——区域增长算法分割出肺部的气管
1、肺质分割已有的方法有许多种，这些方法都是基于阈值法、区域生长法、模
式分类法发展起来的，阈值分割法是传统的肺实质分割算法，分割速度快，但它对气管、支气管以及躯干以外的区域分割效果不理想，而且在阈值的选择上也存在实际困难。区域生长法是将具有连通性并且特征相近的非肺质区域提取出来的一种算法，它能够快速的分割肺质区域并保留弥散性边界，但它会忽视强梯度边界包围的区域，同时种子点的选取、生长合并条件的制定对结果的影响也十分显著。模式分类法需要先验知识的引入，采集大量的训练样本并提取图像特征，虽然该方法在分割的效果上较好，但训练和分割的处理时间长、算法复杂度高，这决定了模式分类法不适合应用在胸肺 CT 的预处理环节中。
原始肺部图片
2、就区域生长法而言，需要设置的参数有两个，分别是阈值和种子点。在种子点的选取上，通常设置在主气管的顶端也就是胸肺 CT 切片数据第一张中的气管区域，生长过程采用 8 邻域的三维生长方式，气管树的抽取至上而下。在阈值的选取上，为了自动获取最优的阈值，
算法中引入了泄漏检测规则和阈值递增法则，实验的初始阈值T0 设定为一个保守阈值，本实验从经验值（-960HU）开始，每次生长结束后阈值增加 10HU，直至结果中检测到泄漏。当泄漏现象被探测到时，迭代过程终止，并取上一次的阈值Tk 分割结果作为最优阈值生长的结果输出。对泄漏的检测规则是通过比较阈值递增过程中前后两次分割抽取的体素总量的变化，当泄漏发生时，生长区域扩散到肺实质，这会使分割出的体素总量大幅增加。
区域增长后得到的肺部气管3D图
3、采用mevislab的算法和参数配置图：
3D医学图像可视化
