本文關(guān)鍵詞：基于隨機游走和圖割算法的PET-CT肺腫瘤分割

  更多相關(guān)文章： 肺腫瘤分割 隨機游走 圖割 圖像分割 PET CT

【摘要】：目前,在環(huán)境日益惡化的今天,肺腫瘤已成為危害人類健康的一個重大威脅。肺部腫瘤的精確分割在臨床放射治療中起著很重要的作用,因此肺腫瘤的分割成為了一個熱門的研究課題。PET-CT是定量的分子-結(jié)構(gòu)成像技術(shù),已經(jīng)被廣泛使用于腫瘤的診斷分析和腫瘤治療方案的制定。本文提出一種聯(lián)合PET和CT影像進(jìn)行肺腫瘤檢測的方法。在本課題中,我們?nèi)诤螾ET和CT這兩種圖像模態(tài),充分利用PET圖像提供的新陳代謝信息和CT圖像提供的人體結(jié)構(gòu)信息,結(jié)合兩種經(jīng)典的分割算法:隨機游走算法和圖割算法,對肺腫瘤進(jìn)行同時分割。首先,利用隨機游走算法對PET圖像進(jìn)行處理,得到一個初始的腫瘤輪廓。然后,圖割算法將初始的腫瘤輪廓作為前景種子點,對PET和CT圖像進(jìn)行聯(lián)合分割。在圖割算法中,PET和CT的聯(lián)合分割應(yīng)該被看成是能量最小化的問題,并且可以通過最大流最小割的方法來解決。在本文中,我們的創(chuàng)新點在于建立了一個包含兩個子圖(PET子圖和CT子圖)的圖形,并且設(shè)計了一個新的能量函數(shù)。該能量函數(shù)充分利用了PET和CT圖像的特征,對于PET能量函數(shù),它綜合利用了PET圖像的亮度分布特征,單調(diào)下降特征和三維梯度信息;CT的能量函數(shù)包含了傳統(tǒng)的區(qū)域項和邊界項能量函數(shù),還有一個用來束縛和定位腫瘤的形狀束縛函數(shù)。本文的算法對18個患有非小細(xì)胞肺癌的病人的PET-CT數(shù)據(jù)進(jìn)行處理,并將實驗結(jié)果與單獨對PET或CT進(jìn)行分割的圖割算法、隨機游走算法、改進(jìn)的圖割算法、隨機游走的聯(lián)合分割算法、Song Qi的算法等進(jìn)行比較,實驗分析數(shù)據(jù)表明本文算法在分割腫瘤方面有更高的精確度。
【關(guān)鍵詞】：肺腫瘤分割 隨機游走 圖割 圖像分割 PET CT
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R734.2;TP391.41
【目錄】：

• 中文摘要4-5
• Abstract5-9
• 第一章 引言9-16
• 1.1 PET-CT肺腫瘤分割研究背景及意義9-11
• 1.1.1 肺癌的研究背景9
• 1.1.2 醫(yī)學(xué)影像研究意義9-11
• 1.2 圖像分割算法概述11-12
• 1.3 肺腫瘤分割的國內(nèi)外研究現(xiàn)狀12-14
• 1.4 本文的研究內(nèi)容14-16
• 第二章 隨機游走算法16-21
• 2.1 隨機游走模型簡介16
• 2.2 隨機游走分割算法16-21
• 2.2.1 基本概念16-18
• 2.2.2 圖的構(gòu)建和權(quán)重的設(shè)計18
• 2.2.3 組合狄利克雷積分問題及其解法18-21
• 第三章 圖割算法21-27
• 3.1 圖割算法簡介21-22
• 3.2 圖形的建立22-23
• 3.3 能量函數(shù)23-25
• 3.3.1 區(qū)域項能量函數(shù)24
• 3.3.2 邊界項能量函數(shù)24-25
• 3.4 圖割的解法25-27
• 第四章 肺腫瘤分割27-38
• 4.1 算法及創(chuàng)新27-28
• 4.1.1 算法簡介27
• 4.1.2 本文的創(chuàng)新點27-28
• 4.2 預(yù)處理及初始分割28-29
• 4.2.1 預(yù)處理28
• 4.2.2 初始分割28-29
• 4.3 PET-CT圖像的聯(lián)合分割29-38
• 4.3.1 圖的構(gòu)建30
• 4.3.2 PET能量函數(shù)的設(shè)計30-35
• 4.3.3 CT能量函數(shù)的設(shè)計35-37
• 4.3.4 圖形間能量函數(shù)37-38
• 第五章 實驗結(jié)果及分析38-48
• 5.1 實驗結(jié)果分析38-40
• 5.1.1 圖像的獲取38-39
• 5.1.2 評判標(biāo)準(zhǔn)39
• 5.1.3 參數(shù)值的設(shè)置39-40
• 5.2 實驗分析與比較40-45
• 5.2.1 金標(biāo)準(zhǔn)的相關(guān)性40-41
• 5.2.2 與圖割算法單獨在PET或CT圖像上的分割結(jié)果比較41-42
• 5.2.3 與改進(jìn)的圖割算法和隨機游走算法的比較42
• 5.2.4 與相關(guān)方法的比較42-45
• 5.3 魯棒性測試45-47
• 5.3.1 對種子點的魯棒性45-46
• 5.3.2 對不同參數(shù)值的魯棒性測試46-47
• 5.4 計算時間47-48
• 第六章 總結(jié)和展望48-50
• 6.1 總結(jié)48
• 6.2 展望48-50
• 參考文獻(xiàn)50-56
• 攻讀學(xué)位期間公開發(fā)表的論文、專利56-57
• 附錄 縮略詞57-58
• 致謝58-59

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 陳華杰;吳香偉;薛安克;;一種基于Graph Cuts的SAR圖像分割方法[J];光電工程;2010年05期

2 金永君,艾延寶;核磁共振技術(shù)及應(yīng)用[J];物理與工程;2002年01期

，

本文編號：941347