癌,既惡性腫瘤,是一種難以治愈且致死率很高的疾病。其中肺癌的致死率最高,位居惡性腫瘤的致死排行之首,成為了威脅人類(lèi)健康的最大殺手之一。肺癌的診斷治療主要依賴(lài)于來(lái)自肺部PET/CT圖像的信息。醫(yī)生通過(guò)分析PET/CT圖像所提供的信息,加以主觀(guān)經(jīng)驗(yàn)分析對(duì)肺癌進(jìn)行診斷并設(shè)計(jì)治療方案,但是傳統(tǒng)的融合分割算法性能有限,導(dǎo)致醫(yī)學(xué)圖像分析無(wú)法為醫(yī)生的判斷提供客觀(guān)依據(jù)。為解決此問(wèn)題,本文對(duì)肺癌PET/CT圖像進(jìn)行深入研究,旨在于利用圖像處理算法輔助醫(yī)生進(jìn)行判斷,客觀(guān)的勾勒靶向區(qū)域,更合理的為病人設(shè)計(jì)診療方案。本文工作包含PET/CT圖像的融合和PET/CT圖像聯(lián)合分割兩大方面,主要如下:為了輔助醫(yī)生判斷是否患有惡性腫瘤并對(duì)腫瘤分期,本文對(duì)PET/CT兩種模態(tài)的醫(yī)學(xué)圖像進(jìn)行融合。由于傳統(tǒng)的稀疏融合算法應(yīng)用冗余的DCT字典進(jìn)行稀疏分解,而固定的DCT字典不能適用于所有的圖像。本文采用了控制核回歸函數(shù)作為特征量,對(duì)原始的CT圖像進(jìn)行分塊,得到結(jié)構(gòu)性相似的幾類(lèi)圖像塊。然后求出分類(lèi)后的圖像塊所對(duì)應(yīng)的小字典,最后利用小字典對(duì)圖像進(jìn)行稀疏融合。根據(jù)分類(lèi)后圖像塊訓(xùn)練出的字典更具有結(jié)構(gòu)性,所以該算法可以更好的保留CT與... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究的背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于PET/CT圖像的診斷治療系統(tǒng)
        1.2.2 PET/CT圖像融合及其在肺癌輔助診療中的應(yīng)用
        1.2.3 PET/CT圖像分割及其在肺癌輔助診療中的應(yīng)用
    1.3 本文主要工作
2 基于圖像分析的肺癌輔助診療相關(guān)技術(shù)
    2.1 PET/CT成像技術(shù)
    2.2 醫(yī)學(xué)圖像融合方法及評(píng)價(jià)指標(biāo)
        2.2.1 常用的醫(yī)學(xué)圖像融合方法
        2.2.2 圖像融合評(píng)價(jià)指標(biāo)
    2.3 醫(yī)學(xué)圖像分割方法及評(píng)價(jià)指標(biāo)
        2.3.1 常用的醫(yī)學(xué)圖像分割方法
        2.3.2 圖像分割評(píng)價(jià)指標(biāo)
    2.4 本章小結(jié)
3 基于控制核聚類(lèi)的稀疏圖像融合算法
    3.1 稀疏圖像融合算法
    3.2 基于控制核聚類(lèi)的稀疏圖像融合算法
        3.2.1 圖像字典的結(jié)構(gòu)性
        3.2.2 控制核回歸
        3.2.3 K-SVD字典訓(xùn)練
        3.2.4 算法流程
    3.3 實(shí)驗(yàn)結(jié)果及分析
        3.3.1 圖像聚類(lèi)分塊情況
        3.3.2 不同種融合算法間對(duì)比分析
    3.4 本章小結(jié)
4 基于測(cè)地線(xiàn)活動(dòng)輪廓模型的圖像聯(lián)合分割算法
    4.1 測(cè)地線(xiàn)活動(dòng)輪廓模型
    4.2 改進(jìn)邊緣函數(shù)的測(cè)地線(xiàn)活動(dòng)輪廓模型
        4.2.1 新的邊緣函數(shù)
        4.2.2 數(shù)值實(shí)現(xiàn)
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 改進(jìn)的邊緣函數(shù)
        4.3.2 與基于GAC模型的單模態(tài)圖像分割算法對(duì)比
        4.3.3 與其他分割算法對(duì)比
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于雙樹(shù)復(fù)小波變換的PET/CT自適應(yīng)融合算法[J]. 魏興瑜,周濤,陸惠玲,王文文.  計(jì)算機(jī)科學(xué)與探索. 2015(03)
[2]NSCT域內(nèi)基于改進(jìn)PCNN和區(qū)域能量的多光譜和全色圖像融合方法[J]. 李新娥,任建岳,呂增明,沙巍,張立國(guó),何斌.  紅外與激光工程. 2013(11)
[3]醫(yī)學(xué)圖像處理中有關(guān)圖像分割的新技術(shù)[J]. 王瓛,郭秀花.  北京生物醫(yī)學(xué)工程. 2008(04)

博士論文
[1]多模態(tài)腫瘤圖像聯(lián)合分割方法研究[D]. 蔣君.南方醫(yī)科大學(xué) 2014
[2]功能解剖影像PET/CT在腫瘤診斷相關(guān)常見(jiàn)問(wèn)題中的應(yīng)用研究[D]. 韓安勤.山東大學(xué) 2013
[3]PET/CT顯像在肺癌及前列腺癌診斷中的應(yīng)用研究[D]. 陳翼.南方醫(yī)科大學(xué) 2012
[4]PET/CT在肺癌診治中的臨床研究[D]. 黨亞萍.南方醫(yī)科大學(xué) 2007

碩士論文
[1]基于CV和GAC兩個(gè)偏微分方程圖像分割模型的改進(jìn)[D]. 丁小飛.哈爾濱工業(yè)大學(xué) 2016
[2]基于隨機(jī)森林和BSS特征的PET-CT肺腫瘤分割[D]. 蔣雪晴.蘇州大學(xué) 2016
[3]基于PET/CT圖像的肺癌輔助診療技術(shù)研究[D]. 張穎.大連理工大學(xué) 2016
[4]18F-FDG PET/CT顯像在胰腺癌診斷和隨訪(fǎng)監(jiān)測(cè)中的應(yīng)用價(jià)值[D]. 種歡歡.華中科技大學(xué) 2016
[5]基于PET/CT圖像分析的肺癌放療關(guān)鍵技術(shù)研究[D]. 高珊.大連理工大學(xué) 2015
[6]基于隨機(jī)游走和圖割算法的PET-CT肺腫瘤分割[D]. 鞠薇.蘇州大學(xué) 2015
[7]醫(yī)學(xué)超聲圖像分割與病灶中心空間定位方法研究[D]. 孫思婷.大連理工大學(xué) 2014
[8]醫(yī)學(xué)圖像配準(zhǔn)和融合的研究[D]. 常伯樂(lè).鄭州大學(xué) 2013
[9]一種引入新的邊緣函數(shù)的GAC模型醫(yī)學(xué)圖像序列分割[D]. 高士瑞.西北大學(xué) 2012



本文編號(hào)：3599113