本文關(guān)鍵詞：惡性腫瘤智能放療生物靶區(qū)勾畫系統(tǒng)研發(fā)

  更多相關(guān)文章： 靶區(qū)勾畫 區(qū)域生長 DICOM影像 定量與可視化評估

【摘要】：目前,惡性腫瘤已成為人類死亡的第一大原因,70%以上的患者需要進行智能放療。由臨床放療醫(yī)師在病人的PET、CT影像2D橫斷面上人工逐層勾畫腫瘤邊界,以此勾畫結(jié)果為依據(jù)設(shè)計、制定腫瘤放療計劃。因而,靶區(qū)勾畫的準確性成為放療成功與否的關(guān)鍵因素。在分子影像引導(dǎo)智能放療系統(tǒng)軟件的框架下,本文設(shè)計、開發(fā)了生物調(diào)強智能放療靶區(qū)勾畫與評估子系統(tǒng)。該子系統(tǒng)是一個面向惡性腫瘤臨床精確放射治療的計算機軟件,旨在為臨床醫(yī)師提供一個操作簡單、界面友好、智能化程度高的靶區(qū)勾畫與評估平臺。本文中軟件系統(tǒng)的主要研發(fā)內(nèi)容如下:(1)針對病人放射治療的DICOM標準文件,如CT、PET、RS影像文件,設(shè)計、開發(fā)了相應(yīng)的病人影像信息預(yù)處理和放療結(jié)構(gòu)集信息處理功能模塊,為靶區(qū)勾畫和評估的開發(fā)提供了基礎(chǔ)。(2)設(shè)計、開發(fā)了自適應(yīng)和兩階段區(qū)域生長靶區(qū)勾畫功能模塊,包括用戶接口層、核心算法層、系統(tǒng)接口層的設(shè)計和詳細實現(xiàn)方法。(3)開發(fā)了DICOM文件維護及勾畫結(jié)果評估功能模塊,實現(xiàn)了DICOM標準RS文件的創(chuàng)建與保存,并提供了與“金標準”影像的定量與可視化對比分析功能。針對靶區(qū)全人工勾畫存在的耗時費力、主觀性強等缺點,本文實現(xiàn)了自適應(yīng)區(qū)域生長和兩階段區(qū)域生長的靶區(qū)勾畫方法,設(shè)計了以PET分子生物功能影像為目標的生物靶區(qū)勾畫系統(tǒng),從而提供了一個自動勾畫腫瘤放療靶區(qū)的平臺。通過改進傳統(tǒng)讀寫DICOM文件的方法,實現(xiàn)了本文勾畫系統(tǒng)與臨床放療RS文件的接口模塊,解決了與臨床醫(yī)師之間交互問題,增強了系統(tǒng)的適用性、可擴展性。采用相似度、靈敏度、特異度這三個評價指標,作為系統(tǒng)靶區(qū)勾畫與“金標準”影像的定量評估標準,同時,系統(tǒng)還提供了勾畫結(jié)果與多模態(tài)影像的同時顯示,為用戶提供更直觀的可視化評估。
【關(guān)鍵詞】：靶區(qū)勾畫 區(qū)域生長 DICOM影像 定量與可視化評估
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R730.55;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-14
• 第1章 緒論14-19
• 1.1 研究背景14-15
• 1.2 研究現(xiàn)狀15-17
• 1.2.1 PET/CT影像在腫瘤放療靶區(qū)勾畫中的應(yīng)用15
• 1.2.2 腫瘤放療靶區(qū)勾畫方法15-16
• 1.2.3 生物靶區(qū)勾畫系統(tǒng)16-17
• 1.3 本文主要內(nèi)容17-19
• 第2章 生物靶區(qū)勾畫方法19-25
• 2.1 生物靶區(qū)影像分析19-20
• 2.1.1 PET分子生物影像19
• 2.1.2 PET影像的定量分析19-20
• 2.2 生物靶區(qū)勾畫算法20-24
• 2.2.1 圖像分割方法概述20-21
• 2.2.2 自適應(yīng)區(qū)域生長算法21-23
• 2.2.3 兩階段區(qū)域生長算法23-24
• 2.3 本章小結(jié)24-25
• 第3章 生物靶區(qū)勾畫系統(tǒng)總體設(shè)計25-35
• 3.1 系統(tǒng)架構(gòu)25-26
• 3.2 系統(tǒng)功能26-28
• 3.3 系統(tǒng)數(shù)據(jù)流28-30
• 3.4 系統(tǒng)集成開發(fā)環(huán)境30-31
• 3.5 系統(tǒng)開發(fā)工具研究31-34
• 3.5.1 ITK技術(shù)31-32
• 3.5.2 VTK技術(shù)32-34
• 3.5.3 FLTK技術(shù)34
• 3.5.4 Visual C++ 201034
• 3.6 本章小結(jié)34-35
• 第4章 生物靶區(qū)勾畫系統(tǒng)開發(fā)與實現(xiàn)35-61
• 4.1 生物靶區(qū)勾畫影像預(yù)處理35-40
• 4.1.1 多模態(tài)影像的載入35-37
• 4.1.2 CT影像窗寬窗位設(shè)置37-40
• 4.2 自適應(yīng)區(qū)域生長靶區(qū)勾畫40-47
• 4.2.1 自適應(yīng)區(qū)域生長靶區(qū)勾畫用戶接口層40-43
• 4.2.2 自適應(yīng)區(qū)域生長靶區(qū)勾畫核心算法層43-45
• 4.2.3 自適應(yīng)區(qū)域生長靶區(qū)勾畫系統(tǒng)接口層45-47
• 4.3 兩階段區(qū)域生長靶區(qū)勾畫47-50
• 4.3.1 兩階段區(qū)域生長靶區(qū)勾畫用戶接口層47-48
• 4.3.2 兩階段區(qū)域生長靶區(qū)勾畫核心算法層48-49
• 4.3.3 兩階段區(qū)域生長靶區(qū)勾畫系統(tǒng)接口層49-50
• 4.4 生物靶區(qū)DICOM文件維護50-58
• 4.4.1 DICOM標準文件50
• 4.4.2 RS文件結(jié)構(gòu)50-52
• 4.4.3 打開對象RS文件52-53
• 4.4.4 保存對象RS文件的界面設(shè)計53-54
• 4.4.5 保存對象RS文件的系統(tǒng)實現(xiàn)54-58
• 4.5 生物靶區(qū)勾畫結(jié)果評估58-60
• 4.5.1 評估指標分析58-59
• 4.5.2 生物靶區(qū)勾畫結(jié)果評估實現(xiàn)59-60
• 4.6 本章小結(jié)60-61
• 第5章 系統(tǒng)功能測試61-73
• 5.1 測試概述61
• 5.2 CT/PET影像瀏覽61-65
• 5.3 生物靶區(qū)勾畫65-66
• 5.4 放療計劃RS文件的操作66-69
• 5.4.1 RS文件的打開、關(guān)閉66-67
• 5.4.2 RS文件的保存67-69
• 5.5 生物靶區(qū)評估分析69-71
• 5.5.1 定量評估69
• 5.5.2 可視化評估69-71
• 5.6 臨床應(yīng)用71-72
• 5.7 本章小結(jié)72-73
• 總結(jié)與展望73-75
• 參考文獻75-79
• 致謝79-80
• 附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄80-81
• 附錄B 攻讀學(xué)位期間參與的科研項目81-82
• 附錄C MBIG-IRT DBTV源程序文件清單82-84
• 附錄D MBIG-IRT DBTV C++類層次結(jié)構(gòu)圖84

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 羅渝蘭,王景熙,鄭昌瓊;圖像分割在生物醫(yī)學(xué)工程中的應(yīng)用[J];計算機應(yīng)用;2002年08期

2 林瑤;田捷;;醫(yī)學(xué)圖像分割方法綜述[J];模式識別與人工智能;2002年02期

3 羅希平;田捷;諸葛嬰;王靖;戴汝為;;圖像分割方法綜述[J];模式識別與人工智能;1999年03期

4 趙榮椿,遲耀斌,朱重光;圖像分割技術(shù)進展[J];中國體視學(xué)與圖像分析;1998年02期

5 章毓晉;圖象分割評價技術(shù)分類和比較[J];中國圖象圖形學(xué)報;1996年02期

，

本文編號：1048043