复杂医学体数据快速分割的内分泌激素调节算子优化机理

医学体数据分割方法的计算量大、结构复杂、工程应用实时性差，已成为当前国内外图像分割领域的难点问题。尽管人工免疫系统（AIS）等智能优化技术为快速三维分割提供了解决思路，但因环境噪声、数据灰度重叠及成像衰减等退化因素的影响，导致分割仍存在稳定性差和精确度低等问题，大大削弱了其在诊断中的辅助作用。本项目借鉴生物免疫内分泌网络的激素学说，开展人工内分泌免疫系统（AEIS）的新型优化模型研究。针对长期以来医学三维分割效率低且优化效果不佳的缺陷，以抗复杂干扰因素的分割机理为导向构建AEIS分析模型，定义内分泌激素调节算子（EHRO）并推导其解算步骤，提出一族免疫激素调节类智能优化算法。通过将新的自适应操作因子EHRO注入AIS，可望揭示出AEIS的内在动态规律，阐明其作用机理和运算策略，从而为三维组织器官或病变区域快速分割技术的改善开创新思路，为计算机辅助诊断的智能化提供理论依据。

本项目从生物内分泌学说的激素调节原理中提取数学操作算子，并以此改善人工免疫系统的算子优化策略，提高其用于分割三维医学图像时的性能。将提出的Hill函数自适应操作算子以不同形式分别集成于遗传算法、量子进化算法、量子免疫克隆算法等，建立了基于人工内分泌免疫系统（Artificial Endocrine Immune System，AEIS）的新型优化模型。多维标准测试函数和实际图像实验结果表明，在分割速度、分割准确性和稳定性等方面，所提算法的大部分指标均优于传统算法；研究了MRI、DTI等复杂医学影像的处理与分割方法。针对Krabbe患儿数据，深入分析了胼胝体、内囊束以及钩突神经束的配准分析方法，提出了彩色图像的HSV空间矢量形态学滤波预处理算法，实现了基于图割和形态学滤波的DTI胼胝体分割算法。设计了新的由主特征向量和部分各向异性参数值（Fractional Anisotropy，FA）组成的扩散测度，在此基础上提出了基于矢量活动轮廓模型的胼胝体分割算法。同时，给出了利用AEIS优化水平集分割方法的计算思路；结合图像的概率信息和空间信息，提出了一种基于Otsu法的模糊核聚类图像分割算法，具有较强的抗噪能力和较高的分割精度。通过分析图像有偏场模型的局部特性，将有偏场乘性因子引入图像局部灰度均值的表达中，对基于局部高斯分布拟合（Local Gaussian Distribution Fitting，LGDF）的活动轮廓分割模型进行了改进。为了在分割灰度不均匀脑MRI图像的同时进行有偏场估计并校正，提出了一种基于LGDF模型的多相水平集算法。此外，针对局部区域二相拟合（Local Binary Fitting，LBF）医学图像分割模型对初始轮廓敏感且仅能分割单类目标的不足，提出了联合模糊C均值聚类的LBF模型自动分割算法。项目研究为医学体数据分割技术的改善提出了新思路，为计算机辅助检测和分析的智能化提供了理论依据。