全文总字数：2502字

1. 研究目的与意义及国内外研究现状

近年来，图像分割在医学图像领域的应用越来越广泛，图像分割是计算机辅助诊断医疗疾病的先导步骤，是医生能够更加准确的识别组织区域，提高诊断的准确率与效率。虽然图像分割方法层出不穷，但是传统、经典的算法大都易受噪声影响，导致边缘检测的不精确或过分分割等现象。因此本文以实现一种改进上述问题的算法——基于主动形状模型（asm）的分割算法为核心，为医学图像分割的进一步发展研究提供有力的支持 。

国内外研究现状

随着医学影像技术不断地发展和创新，迄今为止已经有多种分割算法被提出，如基于边缘、阈值、区域等的分割方法，这些方法均有各自的优缺点。而基于主动形状模型的方法也已广泛应用于医学图像分割、医学数据恢复、三维人体重建、人脸识别等各种相关领域中。主动形状模型(active shape model,asm)，早在上世纪九十年代中期由cootes提出，自模型提出以来，快速得到了发展，并在医学领域得到了广泛应用。此后，越来越多的研究者在主动形状模型分割领域进行深入探索研究，作出各种改进，进一步完善模型的不足之处。

2013年，肖球根等人提出了一种改进的主动形状模型分割方法，通过均值形状加权计算获取更精确的形变模型，利用统计直方图对目标进行定位，实现了肝脏的准确分割。

2. 研究的基本内容

本文主要研究内容为基于asm（主动形状模型）的肺区分割算法，即以人体肺区分割为实例，实现这种改进边缘检测受噪声影响等问题的分割算法。具体方法如下：

1、选取一定数量的样本图像，对目标物体进行标记训练，并获得平均形状；

3. 实施方案、进度安排及预期效果

1、实 1、实施方案：利用matlab平台实现本次研究，对样本集进行训练、目标轮廓提取、对齐与配准、提取统计特征获得点分布模型、主成成分分析（PCA）得到整体形状模型（先验模型）、对目标进行定位、搜索，最后完成分割。2、进度：（1）2月15日——28日，阅读相关文献，撰写开题报告并上交；（2）3月10日——4月1日，开展研究，编写调试程序至达到预期效果；（3）4月2日——5月2日，改进程序，形成论文初稿；（4）5月3日——6月1日，论文修改，定稿，打印，准备答辩。

4. 参考文献

[1] t. f. cootes,c. j. taylor,cooper d,and graham j. active shape models—their

training andapplication [m].computervision and image understanding,vol.61,no.1，