交互式GACV模型的肿瘤图像分割

目的:提取医学图像中肿瘤区域,用以测量肿瘤体积问题。方法:提出一种基于GACV(Geodesic-Aided C-Vmethod)的交互式模型。该模型首先人工选取感兴趣区域,并在区域内设定初始水平集与肿瘤内部种子点,然后在感兴趣区域上应用将图像梯度边缘信息与图像区域灰度特性统一到同一分割中的GACV模型,得到肿瘤的粗分割结果。最后为去除目标内外孔洞,提出一种无损边缘的膨胀搜索算法,作为细分割。结果:将该模型应用于不同形状的肿瘤图像中,能成功检测肿瘤轮廓。通过实验与其它活动轮廓分割方法结果对比,结果显示该模型在准确分割肿瘤边界与分割算法耗时方面均具有良好表现。结论:本文提出的分割方法能高效率、准确识别肿瘤区域。     

头颈部肿瘤PET与MRI融合放疗靶区自适应区域生长勾画

目的:为了有效解决单独使用正电子发射断层扫描(PET)和核磁共振成像(MRI)影像勾画大体肿瘤靶区(GTV)存在的肿瘤、水肿及其周围正常组织区分难题。方法:首先选取PET图像上包含肿瘤区域的感兴趣区域(ROI)中标准摄取值(SUV)最大的体素点作为肿瘤区域生长算法的初始种子点,在PET和MRI影像上分别进行第一阶段自适应区域生长。然后从其勾画的肿瘤PET靶区内自动获取肿瘤的最小SUV值,并联合肿瘤MRI靶区自适应区域生长的最佳阈值构建第二阶段肿瘤PET和MRI联合区域生长准则,进行第二阶段区域生长,完成PET与MRI融合靶区勾画。结果:与单独使用PET和单独使用MRI影像的自适应区域生长分割结果相比,参考两位经验丰富的临床放疗专家手工勾画的鼻咽癌MRI GTV,本文方法勾画的融合GTV与MRI GTV具有最高相似性,且同时具有较高灵敏性和较高特异性。结论:本文方法可实现头颈部肿瘤PET与MRI融合大体肿瘤靶区自适应高精度勾画。     

基于测地线活动轮廓模型的图像联合分割算法

为了辅助医生对肿瘤治疗方案和靶区形状的设计,我们研究了PET/CT图像联合自动分割,将计算机自动分割的结果作为一个较客观的依据。传统的测地线活动轮廓模型(GAC)具有边缘演化迅速,对弱边界也能准确分割的优点,但是该算法只能利用一种模态的图像信息进行分割。本研究算法在传统的测地线活动轮廓模型基础上进行改进,重新设计其边缘函数,综合利用了CT信息与PET信息,使算法利用两种模态的医学图像信息进行联合分割。由于边缘函数中结合了两种信息,所以算法的演化收敛速度有一定的提升,分割出的边缘也更加合理,较单一PET图像分割算法具有更准确的边界。     

基于局部调整动态轮廓模型提取超声图像乳腺肿瘤边缘

提出一种基于局部调整动态轮廓模型提取超声图像乳腺肿瘤边缘的算法.该算法在Chan-Vese (CV)模型基础上,定义了一个局部调整项,采用基于水平集的动态轮廓模型提取超声图像乳腺肿瘤边缘.将该算法应用于89例临床超声图像乳腺肿瘤的边缘提取实验,结果表明:该算法比CV模型更适用于具有区域非同质性的超声图像的分割,可有效实现超声图像乳腺肿瘤边缘的提取.     

基于最小方差Snake模型的医学图像分割

传统的参数活动轮廓模型（Snake模型）难于处理自动分割医学图像的弱边界。我们在分析参数活动轮廓和几何活动轮廓模型的基础上，提出最小方差参数活动轮廓模型，并成功应用于医学图像自动分割。该方法将气球力Snake模型中的恒定气球力修改为包含区域信息的变力，以目标和背景两区域具有最小方差为准则，引导轮廓线演化。实验结果表明，该模型对初始轮廓位置不敏感，能实现自动分割。对于带噪声的医学图像，先进行保边界特性的曲率流滤波，然后应用该模型也能取得满意的分割效果。     

RSF模型的优化及其在MRI脑肿瘤分割中的应用

磁共振成像(MRI)具有图像模糊,灰度不均等特点,其分割问题一直都是研究的热点和难点。可变区域拟合(RSF)能量模型是一种较新的区域活动轮廓模型,可用于灰度不均匀图像的分割。然而,RSF模型设定的水平集函数(LSF)不适合初始轮廓内外灰度分布不同的环境,应用于整体灰度环境复杂的脑肿瘤MRI图像时,通常得不到理想的分割结果。构建新的LSF,并辅以mean shift平滑算法可使其更适用于肿瘤图像的分割,使新模型具有更好的收敛性和目标指向性。利用优化后的模型进行一系列实验,其结果表明:该算法鲁棒性强,可以快速、准确地分割出MRI图像中的脑肿瘤,具有显著的临床意义。     

集成自适应回归核的肿瘤生物靶区随机游走勾画方法

目的:评估一种肿瘤正电子发射断层扫描(PET)影像生物靶区的勾画新方法。方法:为有效区分PET影像中标准摄入值(Standard Uptake Value,SUV)相近的肿瘤区域和正常组织区域,首先计算肿瘤PET影像中每个体素点对应的自适应回归核,并将其集成到随机游走无向图的边权值函数中。然后利用三维自适应区域生长方法自动选取随机游走种子点,实现肿瘤PET生物靶区的自动勾画。结果:以临床放疗专家勾画的大体肿瘤区作为参考标准,本方法勾画的7例鼻咽癌病人PET生物靶区DICE相似性的均值为0.836 7,比仅基于PET SUV的随机游走勾画方法提高了4.31%,比基于PET SUV值和对比度纹理特征的随机游走勾画方法提高了3.34%。结论:集成自适应回归核的随机游走方法能够更精确地勾画肿瘤PET生物靶区。     

基于集成SVM的肺部肿瘤PET/CT三模态计算机辅助诊断方法

本研究提出基于集成SVM的肺部肿瘤PET/CT三模态计算机辅助诊断新方法.首先在临床采集肺部肿瘤患者PET、CT和PET/CT各2000例三模态图像数据上提取对同一病灶ROI区域;然后根据CT、PET和PET/CT的不同特点,从三模态图像的ROI区域中提取形状特征、灰度特征、Tamura纹理特征和GLCM特征等不同特征分别构成80、98、98维特征分量,并分别在不同特征空间里构造个体分类器,包括CT-SVM、PET-SVM、PET/CT-SVM;最后,基于相对多数投票原则,对CT-SVM、PET-SVM和PET/CT-SVM进行集成,识别对肺部肿瘤.实验结果表明,该方法能够有效提高肺部肿瘤的诊断正确率.     

基于图像块匹配和测地线活动轮廓模型的肿瘤自动检测算法

提出一种基于图像块匹配和测地线活动轮廓模型的肿瘤自动检测算法。给定肿瘤区域的术前图像和术后(或术中)图像,首先通过刚性配准得到全局配准参数,然后将术前图像分割成大小适合的正方形区域,在术后(或术中)图像中寻找与之匹配最好的区域,并得到各个分块对应的配准参数。根据分块配准和全局配准之间关系的判决比较,得到肿瘤所在的区域,最后在此区域内利用测地线活动轮廓模型,获得较为准确的肿瘤初始轮廓。     

基于PET/CT形变配准技术对放疗前后靶区变化的评估

PET图像提供的新陈代谢信息可用于判断放疗后肿瘤的复发区域,对于制订精确的放疗计划具有重要的临床意义。研究采用多分辨率形变配准的方法提取放疗前后CT图像的形变域,并将其作用于放疗前PET图像,与放疗后的PET图像相比较,通过设定图像中SUV 的阈值,判断勾画轮廓之间的重叠率,以获得图像中的高摄取区域,回顾性指导精确放疗。研究针对22例肺癌病例,实验结果显示放疗后残留的高代谢区域和放疗前GTV重叠较好:当阈值设定为SUV_max的70%、80%和90%时,对应的重叠率分别为(95.2±0.6)%、(96.6±3.4)%和100%;当阈值设定为SUV2.5和SUV5.0时,对应的重叠率为(86.0±6.6)%和(97.0±3.0)%。对氟代脱氧葡萄糖(FDG)高摄取区域的高重叠率表明病变区域在放疗前后的位置相对稳定,放疗后的残余肿瘤基本上位于放疗前靶区对FDG的摄取区域。初步实验结果证明,研究可用于判断靶区区域对放疗的反应,回顾性指导在放疗计划中,针对放疗后残余的靶区加大照射剂量,保护危及器官和组织,精确放疗。