1. 研究目的与意义（文献综述）

1.1 研究目的及意义

当前，恶性肿瘤己经成为全世界关注较多的公共卫生问题，其很大程度上己经对人类的健康造成威胁，并将在新世纪成为人类的第一杀手。据统计，全球2000年新发癌症患者1010万，死亡620万，当前患者2240万，2008年癌症发病人数和死亡人数分别上升了256万和136万。同时统计数据显示不止发达国家肿瘤发生较为严重，发展中国家同样也面临着很严重的问题。2008, 2009年统计数据分别显示发展中国家的恶性肿瘤发病病例数分别占全球总发病病例的56%和80%[1]。资料显示在世界范围内尤其中国约占新发病例总数的76.39%的恶性肿瘤有脑肿瘤、结直肠癌、肺癌、淋巴瘤、胃癌、胰腺癌、肝癌、宫颈癌等。约占肿瘤总死亡病例的84.27%的肿瘤有脑肿瘤、结直肠癌、肺癌、胃癌、胰腺癌、肝癌、白血病、食管癌、乳腺癌等.

同时以计算机技术为辅助的医学图像处理技术在现代医疗诊断中具有至关重要的实际意义，其结果使临床医生对人体内部病变部位的观察更直接、更清晰，从而也使得确诊率更高。脑部mri及ct检查以其简单、快速有效、无创且诊断准确性高、为临床医生提供可靠的诊断依据。在脑肿瘤的检测及治疗过程中精确的脑肿瘤分割对于以下四种情况具有重要的意义:(1)分析脑肿瘤的病理情况，(2)临床手术的制定，(3)放疗剂量范围的制定，(4)身体组织三维可视化分析及定量测量等。

2. 研究的基本内容与方案

在临床诊断病理分析以及治疗方面医学图像的分割具有重要意义。脑部ct及mri检查以其简单、快速有效、无创且诊断准确性高、为临床医生提供可靠的诊断依据。本文的主要研究内容是依据脑部ct及mir图像特点，对脑部肿瘤的分割算法进行研究与探讨。最终需要达成的目标是在尽可能减少人工工作量的前提下实现计算机自动分割。

由于脑部组织结构复杂、组织器官形状不规则及不同个体间存在差异，这些因素使得分割算法计算量大，容易产生误差，并且不容易找到通用的算法对肿瘤提取，从而降低了图像分割的精度和准确性。 针对cnn分割图像的缺陷，文献[12]提出的马尔科夫随机场算法和文献[13]、文献[14]提出的条件随机场算法考虑到图像标签之间的相关性，将其作为cnn的后处理手段用于图像的边界分割;文献[15]提出一种不依懒于像素块直接对像素点分割的全卷积神经网络，大大降低了计算复杂度。基于此本文提出一种基于改进的全卷积神经网络(fully conv-olutional neural network fcnn)和条件随机场(con-ditional random fields crf)[16]的全自动脑肿瘤mr图像分割算法。首先对多模态mr脑肿瘤图像做灰度归一化及灰度图像融合的预处理[17]，而后对预处理图像建立fcnn模型进行粗分割，随后基于图像标签之间的相关性，将概率图谱模型crf融合到fcnn中，进行精细的边界分割，提高脑肿瘤的分割精度。

由于脑部组织结构复杂、组织器官形状不规则及不同个体间存在差异，这些因素使得分割算法计算量大，容易产生误差，并且不容易找到通用的算法对肿瘤提取，从而降低了图像分割的精度和准确性。 针对cnn分割图像的缺陷，文献[12]提出的马尔科夫随机场算法和文献[13]、文献[14]提出的条件随机场算法考虑到图像标签之间的相关性，将其作为cnn的后处理手段用于图像的边界分割;文献[15]提出一种不依懒于像素块直接对像素点分割的全卷积神经网络，大大降低了计算复杂度。基于此本文提出一种基于改进的全卷积神经网络(fully conv-olutional neural network fcnn)和条件随机场(con-ditional random fields crf)[16]的全自动脑肿瘤mr图像分割算法。首先对多模态mr脑肿瘤图像做灰度归一化及灰度图像融合的预处理[17]，而后对预处理图像建立fcnn模型进行粗分割，随后基于图像标签之间的相关性，将概率图谱模型crf融合到fcnn中，进行精细的边界分割，提高脑肿瘤的分割精度。

在临床诊断病理分析以及治疗方面医学图像的分割具有重要意义。脑部ct及mri检查以其简单、快速有效、无创且诊断准确性高、为临床医生提供可靠的诊断依据。本文的主要研究内容是依据脑部ct及mir图像特点，对脑部肿瘤的分割算法进行研究与探讨。最终需要达成的目标是在尽可能减少人工工作量的前提下实现计算机自动分割。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1]基于区域生长的图像分割研究进展[j]. 徐蔚波,刘颖,章浩伟. 北京生物医学工程. 2017(03)

[2]基于灰度共生矩阵的东北虎纹理特征参数[j]. 徐秋景,戚大伟. 东北林业大学学报. 2009(07)

[3]图像纹理特征提取方法综述[j]. 刘丽,匡纲要. 中国图象图形学报. 2009(04)