基于PETCT医学图像中心型肺癌分割及生长率预测

发布时间：2022-08-09 10:30

　　在我国乃至世界广大范围内,肺癌被认为是最常见的恶性癌症之一,也是其死亡率最高的恶性肿瘤。本论文对于中心型肿瘤肺癌的基于PET/CT序列影像处理刚性配准算法的应用做了进一步的研究,对于中心型肿瘤感兴趣的区域融合边界的准确预测和分割也做了进一步的探索,提出一种基于传统PET/CT的序列融合图像的双三次刚性插值配准的算法和基于传统的PET序列图像的中心型肿瘤肺癌的病灶融合区域定位分割,最终在基于传统PET/CT的序列融合区域图像上勾画出中心型肿瘤的位置。对于肿瘤图像的配准,由于传统的PET和CT图像尺寸的大小不一样,使用双三次插值配准算法来进行图像放大和解决,分别通过提取传统PET和CT中肿瘤人体的轮廓和曲线图像作为生长率配准的主要依据。对于中心型肿瘤融合区域的准确分割,在基于PET的图像中由于肿瘤的融合区域边界有一定的过渡浸润融合区域的定位点存在,使用了传统的序列融合图像对肿瘤生长率的预测难以实现准确的生长率分割,本文中使用了以SUVmax点作为肿瘤区域的中心点,取其八个方向的像素值,并对其进行了两次梯度运算,得到八个方向上最优的边界阈值,对八个阈值取平均作为最终图像分割的阈值。最后,针对... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究的目的和意义
    1.2 国内外研究现状
    1.3 主要的创新点和工作内容
    1.4 本文内容结构的安排
第2章 PET图像及其预处理
    2.1 PET/CT图像
        2.1.1 PET/CT成像原理
        2.1.2 PET/CT图像特点
    2.2 PET图像的临床应用
    2.3 PET图像预处理
        2.3.1 PET图像异质性参数
        2.3.2 PET图像插值和去噪
        2.3.3 PET/CT图像配准
    2.4 本章小结
第3章 传统算法在PET图像分割中的应用
    3.1 传统边缘检测算子
        3.1.1 Roberts算子
        3.1.2 Sobel算子
        3.1.3 Laplace算子
        3.1.4 Canny算子
        3.1.5 传统边缘检测算子在数据集上的使用
    3.2 大津算法
    3.3 分水岭算法
    3.4 SUVMAX值百分比
    3.5 区域生长算法
    3.6 本章小结
第4章 肿瘤分割算法的研究与实现
    4.1 PET图像分割
        4.1.1 读取PET预处理的图像
        4.1.2 肿瘤中心的获取
        4.1.3 肿瘤分割阈值的计算
        4.1.4 肿瘤边界勾画
    4.2 PET和CT图像融合
    4.3 图像分割算法的评价指标计算
    4.4 结果对比分析
    4.5 肿瘤的生长率预测
        4.5.1 建立logistic肿瘤生长模型
        4.5.2 拟合参数
    4.6 本章小结
总结
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3672396