本文關(guān)鍵詞：醫(yī)學(xué)影像配準(zhǔn)融合分割技術(shù)及其在肺癌精準(zhǔn)醫(yī)療的應(yīng)用

  更多相關(guān)文章： 配準(zhǔn) 融合 分割 肺癌精準(zhǔn)醫(yī)療 PET/CT

【摘要】：21世紀(jì)以來(lái),精準(zhǔn)醫(yī)療技術(shù)蓬勃發(fā)展,并已正式納入我國(guó)“十三五”規(guī)劃中,而日新月異的先進(jìn)醫(yī)療設(shè)備在腫瘤的精準(zhǔn)醫(yī)療中具有重要作用。對(duì)醫(yī)療設(shè)備采集的多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)運(yùn)用現(xiàn)代數(shù)字圖像處理技術(shù)進(jìn)行分析處理,能夠?yàn)榕R床醫(yī)師提供更為豐富和準(zhǔn)確的醫(yī)療信息,對(duì)臨床醫(yī)師精準(zhǔn)診斷和治療具備一定指導(dǎo)作用。本文主要研究?jī)?nèi)容貫穿醫(yī)學(xué)影像配準(zhǔn)、融合與分割等關(guān)鍵技術(shù),并將所研究成果應(yīng)用于基于PET、CT影像的肺癌精準(zhǔn)醫(yī)療中,主要內(nèi)容如下：(1)提出了基于混合互信息和改進(jìn)粒子群濾波算法的醫(yī)學(xué)影像配準(zhǔn)方法。該算法依據(jù)Renyi熵和Shannon熵的不同特性,在配準(zhǔn)過(guò)程中,首先使用基于Renyi熵的改進(jìn)粒子群優(yōu)化算法,對(duì)圖像進(jìn)行全局搜索,再使用基于Shannon熵的Powell算法,對(duì)所獲得的最優(yōu)解進(jìn)行局部尋優(yōu),得出配準(zhǔn)最優(yōu)參數(shù)值。在單模態(tài)和多模態(tài)醫(yī)學(xué)影像配準(zhǔn)實(shí)驗(yàn)中,本算法體現(xiàn)出配準(zhǔn)精度高、收斂速度快以及魯棒性強(qiáng)等特點(diǎn)。應(yīng)用于肺癌的PET、CT影像配準(zhǔn)中,本算法在臨床醫(yī)師主觀評(píng)判和客觀指標(biāo)上均取得較好效果。(2)提出了基于投影字典對(duì)學(xué)習(xí)的醫(yī)學(xué)影像融合算法。該算法對(duì)訓(xùn)練樣本使用投影字典對(duì)學(xué)習(xí)算法和聯(lián)合正交匹配追蹤算法獲得綜合字典、解析字典和樣本的稀疏編碼；圖像高頻部分的稀疏編碼融合以求和法為準(zhǔn)則,圖像低頻部分則依據(jù)加權(quán)平均法進(jìn)行重構(gòu)。基于腦部CT、MRI的醫(yī)學(xué)影像融合實(shí)驗(yàn),表明本算法能較好地融合源醫(yī)學(xué)影像的特征信息,且融合影像清晰度和對(duì)比度更佳。對(duì)于已配準(zhǔn)的肺癌PET、CT醫(yī)學(xué)影像融合,經(jīng)臨床醫(yī)師主觀診斷,融合影像對(duì)病灶區(qū)域顯示清晰且局部細(xì)節(jié)區(qū)域保留較好,利于病灶辨別,并通過(guò)客觀指標(biāo)結(jié)果得到進(jìn)一步驗(yàn)證。(3)提出了基于聯(lián)合擬合能量的醫(yī)學(xué)影像分割算法。該算法中基于梯度信息的全局能量項(xiàng)能夠減少算法對(duì)初始輪廓的敏感度,有利于加快算法的收斂速度,而基于張量信息的局部能量項(xiàng)使得算法能夠有效處理圖像灰度不均勻的情況,并保留復(fù)雜的邊界結(jié)構(gòu)。通過(guò)與幾種主流分割方法的比較,分析對(duì)比顯示了本算法的分割精度高、適用性強(qiáng)。應(yīng)用于已融合的肺癌PET、CT影像分割,以影像科醫(yī)師手工勾畫(huà)結(jié)果為參考,臨床醫(yī)師的主觀評(píng)價(jià)和客觀指標(biāo)綜合驗(yàn)證了本算法的分割結(jié)果具有較高準(zhǔn)確度,對(duì)于疾病精準(zhǔn)診斷和放療靶區(qū)制定具有重要參考價(jià)值。
【關(guān)鍵詞】：配準(zhǔn) 融合 分割 肺癌精準(zhǔn)醫(yī)療 PET/CT
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R734.2;R730.44
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-14
• 1.1 研究背景與意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及趨勢(shì)10-13
• 1.2.1 多模態(tài)醫(yī)學(xué)影像的產(chǎn)生機(jī)理與方法10-11
• 1.2.2 多模態(tài)影像融合及其在肺癌精準(zhǔn)醫(yī)療中的應(yīng)用11-12
• 1.2.3 多模態(tài)影像分割及其在肺癌精準(zhǔn)醫(yī)療中的應(yīng)用12-13
• 1.3 本文主要工作13-14
• 2 基于混合互信息和改進(jìn)粒子群優(yōu)化算法的醫(yī)學(xué)影像配準(zhǔn)方法14-26
• 2.1 圖像配準(zhǔn)基礎(chǔ)概述14-15
• 2.2 基于混合互信息和改進(jìn)粒子群優(yōu)化算法的醫(yī)學(xué)影像配準(zhǔn)方法15-20
• 2.2.1 基于Renyi熵的互信息15-16
• 2.2.2 粒子群優(yōu)化算法16-17
• 2.2.3 最小點(diǎn)密度方差準(zhǔn)則17-20
• 2.3 實(shí)驗(yàn)及結(jié)果分析20-25
• 2.3.1 實(shí)驗(yàn)圖像及對(duì)比算法20
• 2.3.2 圖像配準(zhǔn)評(píng)價(jià)指標(biāo)20-21
• 2.3.3 實(shí)驗(yàn)結(jié)果與主觀評(píng)價(jià)21-23
• 2.3.4 實(shí)驗(yàn)結(jié)果的客觀評(píng)價(jià)23-25
• 2.4 本章小結(jié)25-26
• 3 基于投影字典對(duì)學(xué)習(xí)的醫(yī)學(xué)影像融合算法26-41
• 3.1 基于稀疏表示的圖像特征提取與融合26-28
• 3.1.1 圖像稀疏表示模型26-27
• 3.1.2 稀疏分解算法27-28
• 3.1.3 稀疏字典訓(xùn)練與構(gòu)造28
• 3.2 基于投影字典對(duì)學(xué)習(xí)的醫(yī)學(xué)影像融合算法28-34
• 3.2.1 源圖像的預(yù)處理29
• 3.2.2 基于投影字典對(duì)學(xué)習(xí)的圖像特征提取29-32
• 3.2.3 融合準(zhǔn)則32-34
• 3.3 實(shí)驗(yàn)及結(jié)果分析34-40
• 3.3.1 對(duì)比算法34
• 3.3.2 圖像融合評(píng)價(jià)指標(biāo)34-35
• 3.3.3 融合結(jié)果與主觀評(píng)價(jià)35-38
• 3.3.4 融合結(jié)果的客觀評(píng)價(jià)38-40
• 3.4 本章小結(jié)40-41
• 4 基于聯(lián)合擬合能量的醫(yī)學(xué)影像分割算法41-58
• 4.1 圖像分割理論基礎(chǔ)41-43
• 4.1.1 圖像分割算法分類41-42
• 4.1.2 曲線演變及水平集方法42-43
• 4.2 基于聯(lián)合擬合能量的醫(yī)學(xué)影像分割算法43-48
• 4.2.1 基于圖像梯度信息的全局?jǐn)M合能量43-44
• 4.2.2 基于圖像張量信息的局部擬合能量44-45
• 4.2.3 擬合能量的正則化45-48
• 4.3 實(shí)驗(yàn)及結(jié)果分析48-57
• 4.3.1 實(shí)驗(yàn)圖像及對(duì)比算法48-49
• 4.3.2 圖像分割評(píng)價(jià)指標(biāo)49
• 4.3.3 實(shí)驗(yàn)結(jié)果與主觀評(píng)價(jià)49-54
• 4.3.4 實(shí)驗(yàn)結(jié)果的客觀評(píng)價(jià)54-57
• 4.4 本章小結(jié)57-58
• 5 總結(jié)與展望58-60
• 5.1 研究?jī)?nèi)容總結(jié)58-59
• 5.2 未來(lái)工作展望59-60
• 結(jié)論60-61
• 參考文獻(xiàn)61-66
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況66-67
• 致謝67-68

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 李洪亮;吳桂良;劉穎;魯智強(qiáng);周壽軍;;三維血管造影數(shù)據(jù)的分割[J];生物醫(yī)學(xué)工程與臨床;2012年01期

2 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前8條

1 胡春風(fēng);殷建平;祝恩;;指紋分割技術(shù)研究[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

2 鐘茂生;;文本主題分割技術(shù)的研究進(jìn)展[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

3 錢偉康;王力;謝明;;基于FPGA的視頻圖像分割技術(shù)設(shè)計(jì)與應(yīng)用[A];第三屆全國(guó)嵌入式技術(shù)和信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

4 金曉東;李強(qiáng);郭傳玲;郝冀芳;王菊芳;李文建;閆錚;;利用超分割技術(shù)進(jìn)行腫瘤治療的理論探索[A];第二屆全國(guó)反應(yīng)堆物理與核材料學(xué)術(shù)研討會(huì)論文集[C];2005年

5 羅海濤;葉娜;朱靖波;;Dotplotting文本分割技術(shù)的分析與改進(jìn)[A];第三屆學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2006年

6 李丕丁;許武軍;劉曉華;傅雨田;龔惠興;;寬視場(chǎng)長(zhǎng)波紅外相機(jī)像面分割技術(shù)驗(yàn)證實(shí)驗(yàn)[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

7 陳建剛;劉東權(quán);;一種3D超聲體繪制交互式分割技術(shù)[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

8 朱輝;李在銘;;視頻圖像中文本檢測(cè)與分割技術(shù)研究[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 邵成剛;大型機(jī)場(chǎng)遙感圖分割技術(shù)研究[D];西安電子科技大學(xué);2014年

2 翟麗紅;視網(wǎng)膜圖像血管分割技術(shù)的研究[D];重慶大學(xué);2015年

3 夏天辰;圖像聯(lián)合分割與聯(lián)合摳圖技術(shù)研究[D];南京大學(xué);2014年

4 陳培興;基于工業(yè)CT圖像的缺陷定位和三維分割技術(shù)研究[D];中北大學(xué);2016年

5 史益新;醫(yī)學(xué)影像配準(zhǔn)融合分割技術(shù)及其在肺癌精準(zhǔn)醫(yī)療的應(yīng)用[D];大連理工大學(xué);2016年

6 牛瑞芳;面向移動(dòng)設(shè)備的程序分割技術(shù)研究與實(shí)現(xiàn)[D];河南科技大學(xué);2013年

7 孫建;視頻人體對(duì)象分割技術(shù)研究[D];上海交通大學(xué);2007年

8 單曉歡;大規(guī)模演化圖的分割技術(shù)研究[D];遼寧大學(xué);2014年

9 盧艷芝;重疊細(xì)胞分割技術(shù)研究[D];湖南師范大學(xué);2008年

10 孫波中;多尺度分割技術(shù)在高分辨率影像信息提取中的應(yīng)用研究[D];西安科技大學(xué);2011年

，

本文編號(hào)：817979