摘要：目前，肿瘤仍是威胁人类健康的第一大杀手，但是早发现、早治疗无疑能为患者增加一定的生存几率，部分肿瘤的早期治愈率也并不低，所以对于肿瘤的检查显得至关重要。医学上常用的肿瘤检测手段有：X光、CT以及核磁共振图像（以下简称MRI）。本文主要针对脑部肿瘤图像进行自动分割技术研究，而MRI是脑肿瘤诊疗的主要方法，因此本文处理的图像为多模态MRI图像。

本文基于MATLAB、C++、HALCON等计算机软件，通过阈值法、区域生长法和深度学习法来实现自动图像分割技术，并且通过定量比较分析出其中性能最佳的算法，使其能够适应在复杂图像环境下的准确自动分割。

关键词：脑肿瘤  自动分割  阈值法  区域生长法  深度学习法  

目录

摘要

Abstract

1 引言-1

1.1 课题背景-1

1.1.1 脑肿瘤-1

1.1.2-核磁共振成像（MRI）-1

1.2课题研究的现实意义-2

1.3 国内外研究现状及发展趋势-2

1.3.1 肿瘤分割技术-2

1.3.2 研究发展趋势-3

2-分割算法介绍-5

2.1-阈值法-5

2.1.1-算法原理-5

2.1.2-算法分类-5

2.1.3-算法优缺点-6

2.2-区域生长法-6

2.2.1-算法原理-6

2.2.2-算法数学公式-6

2.2.3-算法设计思路-7

2.3.4 算法优缺点-8

2.3-深度学习法-8

2.3.1-人工神经网络-8

2.3.2-深度学习法-8

2.3.3-全卷积神经网络-10

2.3.4-算法设计思路-11

3-分割算法实现-13

3.1-阈值分割算法实现-13

3.1.1-软件平台-13

3.1.2-核心算法-13

3.1.3-图像后处理-14

3.2-区域生长算法实现-16

3.2.1-软件平台-16

3.2.2-核心算法-16

3.2.3-图像后处理-17

3.3-深度学习算法实现-20

3.3.1-软件平台-20

3.3.2-核心代码-20

4-分割结果分析-22

4.1-标准划分-22

4.2-分割结果统计-22

4.3-分割结果分析-23

4.3.1-阈值法-23

4.3.2-区域法-24

4.3.3-深度学习法-24

5-结语-25

6-参考文献-26