在我國(guó)乃至世界廣大范圍內(nèi),肺癌被認(rèn)為是最常見的惡性癌癥之一,也是其死亡率最高的惡性腫瘤。本論文對(duì)于中心型腫瘤肺癌的基于PET/CT序列影像處理剛性配準(zhǔn)算法的應(yīng)用做了進(jìn)一步的研究,對(duì)于中心型腫瘤感興趣的區(qū)域融合邊界的準(zhǔn)確預(yù)測(cè)和分割也做了進(jìn)一步的探索,提出一種基于傳統(tǒng)PET/CT的序列融合圖像的雙三次剛性插值配準(zhǔn)的算法和基于傳統(tǒng)的PET序列圖像的中心型腫瘤肺癌的病灶融合區(qū)域定位分割,最終在基于傳統(tǒng)PET/CT的序列融合區(qū)域圖像上勾畫出中心型腫瘤的位置。對(duì)于腫瘤圖像的配準(zhǔn),由于傳統(tǒng)的PET和CT圖像尺寸的大小不一樣,使用雙三次插值配準(zhǔn)算法來(lái)進(jìn)行圖像放大和解決,分別通過提取傳統(tǒng)PET和CT中腫瘤人體的輪廓和曲線圖像作為生長(zhǎng)率配準(zhǔn)的主要依據(jù)。對(duì)于中心型腫瘤融合區(qū)域的準(zhǔn)確分割,在基于PET的圖像中由于腫瘤的融合區(qū)域邊界有一定的過渡浸潤(rùn)融合區(qū)域的定位點(diǎn)存在,使用了傳統(tǒng)的序列融合圖像對(duì)腫瘤生長(zhǎng)率的預(yù)測(cè)難以實(shí)現(xiàn)準(zhǔn)確的生長(zhǎng)率分割,本文中使用了以SUVmax點(diǎn)作為腫瘤區(qū)域的中心點(diǎn),取其八個(gè)方向的像素值,并對(duì)其進(jìn)行了兩次梯度運(yùn)算,得到八個(gè)方向上最優(yōu)的邊界閾值,對(duì)八個(gè)閾值取平均作為最終圖像分割的閾值。最后,針對(duì)... 

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究的目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要的創(chuàng)新點(diǎn)和工作內(nèi)容
    1.4 本文內(nèi)容結(jié)構(gòu)的安排
第2章 PET圖像及其預(yù)處理
    2.1 PET/CT圖像
        2.1.1 PET/CT成像原理
        2.1.2 PET/CT圖像特點(diǎn)
    2.2 PET圖像的臨床應(yīng)用
    2.3 PET圖像預(yù)處理
        2.3.1 PET圖像異質(zhì)性參數(shù)
        2.3.2 PET圖像插值和去噪
        2.3.3 PET/CT圖像配準(zhǔn)
    2.4 本章小結(jié)
第3章 傳統(tǒng)算法在PET圖像分割中的應(yīng)用
    3.1 傳統(tǒng)邊緣檢測(cè)算子
        3.1.1 Roberts算子
        3.1.2 Sobel算子
        3.1.3 Laplace算子
        3.1.4 Canny算子
        3.1.5 傳統(tǒng)邊緣檢測(cè)算子在數(shù)據(jù)集上的使用
    3.2 大津算法
    3.3 分水嶺算法
    3.4 SUVMAX值百分比
    3.5 區(qū)域生長(zhǎng)算法
    3.6 本章小結(jié)
第4章 腫瘤分割算法的研究與實(shí)現(xiàn)
    4.1 PET圖像分割
        4.1.1 讀取PET預(yù)處理的圖像
        4.1.2 腫瘤中心的獲取
        4.1.3 腫瘤分割閾值的計(jì)算
        4.1.4 腫瘤邊界勾畫
    4.2 PET和CT圖像融合
    4.3 圖像分割算法的評(píng)價(jià)指標(biāo)計(jì)算
    4.4 結(jié)果對(duì)比分析
    4.5 腫瘤的生長(zhǎng)率預(yù)測(cè)
        4.5.1 建立logistic腫瘤生長(zhǎng)模型
        4.5.2 擬合參數(shù)
    4.6 本章小結(jié)
總結(jié)
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝



本文編號(hào)：3672396