1. 研究目的与意义
（一）课题研究的现状及发展趋势
医学图像的分割对于疾病的诊断起着十分重要的作用，利用相关算法对医学图像进行分割将感兴趣的部分显示从而提高疾病诊断的效率和准确性。手动分割医学图像可以更加准确的获得所需要的前景部分，但是由于医学图像数量众多，全部采用手动分割图像将会是很大的工作量，而且还会降低工作效率。于是自动化分割图像技术得到了发展，自动化分割减少手动操作，从而提高工作效率。但是自动化分割出的图像可能与想要获得的图像存在的差异，如何缩小这种差异使得自动分割的图像与手动分割的图像相符就成了一个问题。CT图像作为病人常规检查图像反映着病人器官的状况，对CT图像的图像分割成了当前研究图像分割的重点，但由于身体器官的不同所要使用的自动分割也有所不同。为了快速准确地对计算机断层扫描( CT)影像中的器官进行分割，首先使用第一个Vnet-S 网络对CT图像中的器官进行粗分割，然后，选择分割结果中的最大连接通量做两次膨胀，根据膨胀后的最大连接通量确定器官边界并提取器官区域；最后，使用第二个Vnet-S网络对器官进行细分割[1]。目前对于肝自动化分割的算法有基于残差双注意力U-Net模型的CT图像自动分割[2],基于非线性增强和图割的CT序列自动分割[3],基于自适应标记分水岭算法的CT图像自动分割[4],基于图谱的CT三维自动分割研究[5],基于MeanShift方法的CT图像的自动分割[6]。以上这些自动分割图像法对于感兴趣图像的分割相比较以往的方法效果更好。但是自动分割受到容易受噪声、场偏移效应等影响。也有使用改进的区域生长法[7]对肝脏进行半自动划分的。通过采用三维自适应滤波，在保留图象细节的前提下滤除高斯分布噪声和脉冲噪声的三维CT图像分割法[8]。以上是关于肝脏CT图像的自动化分割。下面还有选择三维卷积网络作为深度学习中神经网络部分按照手动分割图像进行深度学习[9][10]以及利用经典的Kohonen自组织特征映射神经网络．结合多模态上下文关联神经网络，实现CT图像的自动分割[11]。可以通过拉普拉斯算子对CT图像边缘进行增强精准快速地分割CT切片特征轮廓[12]。通过自动分割与手动分割的对比，对自动分割技术进行改进使得他更接近与手动图像分割的效果。目前有许多基于大津阈值的自动分割技术。
2. 研究内容和问题
（一）本课题的基本内容
(1). CT序列导入与显示；
(2).大津阈值算法分解与实现；
3. 设计方案和技术路线
（一）研究方法
(1).利用MATLAB平台构建序列数据导入与显示界面；
(2).利用MATLAB脚本构建自动分割模块；
4. 研究的条件和基础
(1).数据由南通大学附属医院提供；
(2).软件是自行研发软件；
(3).MATLAB平台可提供表面绘制重建方法。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
