基于PET和MRI影像的腫瘤放療靶區(qū)自動勾畫方法

發(fā)布時間：2020-07-09 13:01

【摘要】：目前,惡性腫瘤已經(jīng)成為導致人類死亡的主要原因之一,而惡性腫瘤靶區(qū)勾畫在腫瘤放射治療計劃中起著至關重要的作用。隨著醫(yī)學成像技術的發(fā)展,電子計算機斷層掃描(computed tomography,CT)、正電子發(fā)射斷層掃描(positron emission tomography,PET)、磁共振成像(magnetic resonance imaging,MRI)等各種醫(yī)學影像為腫瘤診斷、分期、放射治療計劃制定和療效評估提供了依據(jù)。PET作為一種功能影像,能夠反映組織代謝情況,MRI作為一種結(jié)構影像,具有較高的對比度,腫瘤PET/MRI靶區(qū)勾畫本質(zhì)上是PET和MRI影像分割。本文針對腫瘤PET影像和MRI影像特點,提出了兩種新的腫瘤靶區(qū)自動勾畫方法,具體方法如下:(1)集成自適應回歸核的腫瘤PET靶區(qū)隨機游走勾畫方法:頭頸部具有復雜的解剖組織結(jié)構,腦干等代謝旺盛的腦組織區(qū)域與腫瘤區(qū)域具有相似的PET~(18)FDG(18F-fluoro-2-deoxy-D-glucose,18氟-氟代脫氧葡萄糖)標準攝取值(SUV,Stand Uptake Value),只使用PET SUV信息很難區(qū)分腫瘤和周圍SUV值相近的正常組織區(qū)域。通過提取PET影像中像素點對應的三維自適應回歸核,發(fā)現(xiàn)正常腦組織區(qū)域與腫瘤區(qū)域?qū)淖赃m應回歸核有很大差異,據(jù)此提出了集成自適應回歸核的隨機游走PET影像分割算法。在自適應區(qū)域生長方法獲取隨機游走種子點的基礎上,通過改變自適應回歸核中核分析窗口的大小獲取最優(yōu)自適應回歸核,并將其向量化,集成到隨機游走算法權值函數(shù)構造中,很好地解決了傳統(tǒng)隨機游走算法只利用SUV值不能很好地區(qū)分SUV值接近的腫瘤區(qū)域和周圍正常組織問題,提高了腫瘤PET靶區(qū)勾畫精度。實驗結(jié)果表明,本文方法勾畫的七例鼻咽癌病人PET生物靶區(qū)DICE相似性的均值為0.8367;比僅基于PET FDG標準攝入值(SUV)的隨機游走勾畫方法提高了4.31%;比基于PET SUV值和對比度紋理特征的隨機游走勾畫方法提高了3.34%。(2)聯(lián)合PET的腫瘤MRI靶區(qū)水平集勾畫方法:PET能提供不同于CT、MRI解剖影像的腫瘤代謝、增殖和乏氧等分子生物功能信息,CT、MRI能提供腫瘤解剖結(jié)構信息,并且T1加權的MRI影像具有較高的對比度,具有腫瘤區(qū)域的灰度值高于周圍鄰域中像素點的灰度值的特點,因此本文提出了利用PET影像和MRI影像的互補信息,對頭頸部腫瘤進行靶區(qū)勾畫的水平集方法。首先,對PET影像進行三維自適應區(qū)域生長,并對區(qū)域生長結(jié)果進行膨脹形態(tài)學操作,將膨脹結(jié)果作為MRI影像上水平集的演化區(qū)域。根據(jù)MRI影像的特性,聯(lián)合腫瘤MRI影像的區(qū)域和邊緣信息構造能量函數(shù),并將演化區(qū)域中最大灰度值的50%作為區(qū)域能量項中的閾值參數(shù),提高了腫瘤MRI靶區(qū)勾畫精度。
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;R730.55
【圖文】：

回歸圖,正則化參數(shù),定值,正交矩陣

iiiiiV 為 2 2的正交矩陣，其第二列為 212v v v，則主方向的角度i 定 21arctanvvi 數(shù)i 定義如下，其中' 為正則化參數(shù)，通常設置為定值 0.01：'2'1 ssi數(shù)i 定義如下，其中'' 為正則化參數(shù)，通常設置為定值 0.1,M 為梯像素點的個數(shù)：21''12 Mssi 2.2 很好的解釋了三個參數(shù)對核的變化的影響。首先，圓形核通過行拉長，然后拉長之后的核在矩陣iU 的作用下進行旋轉(zhuǎn)，最后，參縮放。

核回歸,自適應,三維圖像,像素點