- 文献综述（或调研报告）：
摘 要：显微成像技术的发展，肺肿瘤研究人员可以无损的获得患病小鼠的肺部的CT图像。在图像上将肺部分割出来有助于后续定量分析研究和肺部三维可视化。目前，基于传统图像底层视觉特征的分割方法鲁棒性差，因此继续研究肺肿瘤的分割方法是非常有意义的。
关键字：显微CT图像；分割；肺肿瘤
前言
目前,肺肿瘤已成为人类健康的一个重大威胁。为了研究肿瘤特征及其导致的相关疾病的发病机制和治疗方法，研究人员越来越多地倾向于选择小鼠作为研究对象。显微CT（Micro-CT）是在研究中被普遍使用的一种小动物活体CT成像技术。其根据不同组织对X射线的吸收效率的差异成像。通常研究人员需要分割提取肺肿瘤并对肿瘤大小进行定量分析或者三维建模等工作。通常情况下肿瘤和其它正常组织有着相同的x射线吸收效率，并且其生长的位置大小以及形态都是随机的，因此通过传统的基于图像形态学特征的图像处理算法并不能准确高效的分割肺部肿瘤。因此研究一种可以高效准确分割肿瘤的方法并集成到应用平台是非常必要的。
- 基于传统的医学图像分割方法
- 传统分割算法概述
所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。分割的程度则取决于我们要解决的问题；分割的最终目的，就是要把我们所关注的部分从图像中提取出来，以便进一步的研究分析和处理。
- 多种分割算法
（1）基于区域的分割方法
此类方法是将图像按照相似性准则分成不同的区域，主要包括种子区域生长法、区域分裂合并法和分水岭法等几种类型。
种子区域生长法是从一组代表不同生长区域的种子像素开始，接下来将种子像素邻域里符合条件的像素合并到种子像素所代表的生长区域中，并将新添加的像素作为新的种子像素继续合并过程，直到找不到符合条件的新像素为止。该方法的关键是选择合适的初始种子像素以及合理的生长准则。
（2）基于图论的分割方法
此类方法把图像分割问题与图的最小割（min cut）问题相关联。首先将图像映射为带权无向图G=lt;V，Egt;，图中每个节点Nisin;V对应于图像中的每个像素，每条边isin;E连接着一对相邻的像素，边的权值表示了相邻像素之间在灰度、颜色或纹理方面的非负相似度。而对图像的一个分割s就是对图的一个剪切，被分割的每个区域Cisin;S对应着图中的一个子图。而分割的最优原则就是使划分后的子图在内部保持相似度最大，而子图之间的相似度保持最小。基于图论的分割方法的本质就是移除特定的边，将图划分为若干子图从而实现分割。目前所了解到的基于图论的方法有GraphCut，GrabCut和Random Walk等。
以上是毕业论文文献综述，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。
