肺癌位居惡性腫瘤（或稱為癌癥）致死排行之首,已經(jīng)成為人類健康的巨大威脅。而PET/CT圖像在肺癌的診斷治療中占據(jù)著重要的地位。為了在PET/CT圖像提供的信息的基礎(chǔ)上,輔助醫(yī)生對(duì)肺癌進(jìn)行診斷,有效的確定靶向區(qū)域及“優(yōu)化”診療方案。本文對(duì)基于PET/CT圖像的肺癌診療輔助技術(shù)進(jìn)行研究,包括基于PET/CT圖像的融合,分割以及腫瘤生長(zhǎng)模型的建立。主要工作如下：為了提高基于醫(yī)學(xué)影像技術(shù)診斷惡性腫瘤的準(zhǔn)確性和可靠性,輔助醫(yī)生判斷腫瘤邊界及對(duì)腫瘤進(jìn)行分期。本文對(duì)PET/CT兩種模態(tài)的圖像進(jìn)行融合。針對(duì)PET圖像分辨率低,邊界輪廓模糊的特點(diǎn),結(jié)合臨床診斷需求,本文采用雙邊交叉濾波器構(gòu)建CT圖像的邊緣濾波器對(duì)PET圖像進(jìn)行濾波。然后提取輸出圖像的顯著圖作為PET圖像的融合權(quán)重,最后根據(jù)PET、CT權(quán)重和為1的準(zhǔn)則得到融合圖像。進(jìn)一步,在該算法的基礎(chǔ)上用測(cè)地線距離改進(jìn)濾波器的核函數(shù),更好的提取了CT圖像中的病灶邊緣,且參數(shù)選擇魯棒性有所提高。該算法能夠有效保留PET、CT圖像的特征信息,為惡性腫瘤診斷的準(zhǔn)確性提供可靠的保障。其次,為了對(duì)腫瘤治療和腫瘤預(yù)測(cè)的結(jié)果進(jìn)行評(píng)估,保證分割標(biāo)準(zhǔn)的一致性,需要加入自... 

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題的研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 PET/CT圖像融合及其在肺癌輔助治療中的應(yīng)用
        1.2.2 PET/CT圖像分割及其在肺癌輔助治療中的應(yīng)用
        1.2.3 基于圖像的腫瘤生長(zhǎng)模型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 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 醫(yī)學(xué)圖像分割方法
        2.3.2 醫(yī)學(xué)分割評(píng)價(jià)標(biāo)準(zhǔn)
    2.4 基于圖像的腫瘤生長(zhǎng)模型
    2.5 本章小結(jié)
3 基于交叉濾波器的圖像融合算法
    3.1 基于雙邊交叉濾波器和小波顯著圖的圖像融合算法
        3.1.1 雙邊交叉濾波器
        3.1.2 基于小波變換的顯著圖提取
    3.2 基于測(cè)地線距離的交叉濾波器圖像融合算法
    3.3 實(shí)驗(yàn)結(jié)果及分析
        3.3.1 改進(jìn)測(cè)量距離的融合結(jié)果及分析
        3.3.2 與其他融合算法的結(jié)果比較與分析
    3.4 本章小結(jié)
4 基于活動(dòng)輪廓的圖像分割方法
    4.1 活動(dòng)輪廓模型
    4.2 結(jié)合圖像局部信息和Hausdorff距離的圖像分割算法
        4.2.1 Hausdorff距離
        4.2.2 新的Dirac函數(shù)
        4.2.3 RSFH分割能量項(xiàng)
        4.2.4 PET圖像的實(shí)驗(yàn)結(jié)果與分析
        4.2.5 超聲圖像的實(shí)驗(yàn)結(jié)果與分析
    4.3 基于PET圖像概率分布的肺部腫瘤分割方法
        4.3.1 SUV轉(zhuǎn)換
        4.3.2 腫瘤局部灰度值概率分布擬合
        4.3.3 LSBGFRLS能量項(xiàng)
        4.3.4 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
5 基于PET圖像的肺部腫瘤生長(zhǎng)模型
    5.1 對(duì)流反應(yīng)方程
        5.1.1 對(duì)流項(xiàng)
        5.1.2 增殖項(xiàng)
        5.1.3 治療項(xiàng)
    5.2 增殖項(xiàng)改進(jìn)
    5.3 參數(shù)估計(jì)
    5.4 實(shí)驗(yàn)結(jié)果及分析
    5.5 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



本文編號(hào)：3721985