| 摘 要： | 目的研究基于聚类的多Atlas分割方法对正常组织感兴趣区分割的改善, 以达到更好的危及器官的勾画效果。方法选取2019—2020年浙江省肿瘤医院已完成治疗的100例宫颈癌患者的CT图像作为Atlas图谱库。按照危及器官(膀胱、直肠和外轮廓)的体积特征参数作为测度, 利用k均值聚类(k-means)算法将Atlas图谱库划分成若干子集。将待分割图像匹配到相对应的图谱库中进行多Atlas分割。使用相似性系数(DSC)对分割结果进行评价分析。结果以30例患者作为测试组, 比较了不同聚类方法所生成的子图谱库对图像分割结果的改进。相较于一般多Atlas分割, 聚类多Atlas分割方法能显著提高膀胱(DSC为0.83±0.09∶0.69±0.15, P<0.001和直肠(DSC为0.7±0.07∶0.56±0.16, P<0.001)的分割准确性, 但左、右双侧股骨头(0.92±0.04、0.91±0.02)和骨髓(0.91±0.06)的差异无统计学意义。并且聚类多Atlas分割方法平均分割时间短于一般多Atlas分割方法(2.7∶6.3 min)。结论聚类多Atlas分割方法不但会减...
|
