PET/CT图像分析及其在肺癌辅助诊疗中的应用
发布时间：2022-01-20 15:58
癌,既恶性肿瘤,是一种难以治愈且致死率很高的疾病。其中肺癌的致死率最高,位居恶性肿瘤的致死排行之首,成为了威胁人类健康的最大杀手之一。肺癌的诊断治疗主要依赖于来自肺部PET/CT图像的信息。医生通过分析PET/CT图像所提供的信息,加以主观经验分析对肺癌进行诊断并设计治疗方案,但是传统的融合分割算法性能有限,导致医学图像分析无法为医生的判断提供客观依据。为解决此问题,本文对肺癌PET/CT图像进行深入研究,旨在于利用图像处理算法辅助医生进行判断,客观的勾勒靶向区域,更合理的为病人设计诊疗方案。本文工作包含PET/CT图像的融合和PET/CT图像联合分割两大方面,主要如下:为了辅助医生判断是否患有恶性肿瘤并对肿瘤分期,本文对PET/CT两种模态的医学图像进行融合。由于传统的稀疏融合算法应用冗余的DCT字典进行稀疏分解,而固定的DCT字典不能适用于所有的图像。本文采用了控制核回归函数作为特征量,对原始的CT图像进行分块,得到结构性相似的几类图像块。然后求出分类后的图像块所对应的小字典,最后利用小字典对图像进行稀疏融合。根据分类后图像块训练出的字典更具有结构性,所以该算法可以更好的保留CT与...
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究的背景与意义
1.2 国内外研究现状
1.2.1 基于PET/CT图像的诊断治疗系统
1.2.2 PET/CT图像融合及其在肺癌辅助诊疗中的应用
1.2.3 PET/CT图像分割及其在肺癌辅助诊疗中的应用
1.3 本文主要工作
2 基于图像分析的肺癌辅助诊疗相关技术
2.1 PET/CT成像技术
2.2 医学图像融合方法及评价指标
2.2.1 常用的医学图像融合方法
2.2.2 图像融合评价指标
2.3 医学图像分割方法及评价指标
2.3.1 常用的医学图像分割方法
2.3.2 图像分割评价指标
2.4 本章小结
3 基于控制核聚类的稀疏图像融合算法
3.1 稀疏图像融合算法
3.2 基于控制核聚类的稀疏图像融合算法
3.2.1 图像字典的结构性
3.2.2 控制核回归
3.2.3 K-SVD字典训练
3.2.4 算法流程
3.3 实验结果及分析
3.3.1 图像聚类分块情况
3.3.2 不同种融合算法间对比分析
3.4 本章小结
4 基于测地线活动轮廓模型的图像联合分割算法
4.1 测地线活动轮廓模型
4.2 改进边缘函数的测地线活动轮廓模型
4.2.1 新的边缘函数
4.2.2 数值实现
4.3 实验结果及分析
4.3.1 改进的边缘函数
4.3.2 与基于GAC模型的单模态图像分割算法对比
4.3.3 与其他分割算法对比
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】：
期刊论文
[1]基于双树复小波变换的PET/CT自适应融合算法[J]. 魏兴瑜,周涛,陆惠玲,王文文. 计算机科学与探索. 2015(03)
[2]NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法[J]. 李新娥,任建岳,吕增明,沙巍,张立国,何斌. 红外与激光工程. 2013(11)
[3]医学图像处理中有关图像分割的新技术[J]. 王瓛,郭秀花. 北京生物医学工程. 2008(04)
博士论文
[1]多模态肿瘤图像联合分割方法研究[D]. 蒋君.南方医科大学 2014
[2]功能解剖影像PET/CT在肿瘤诊断相关常见问题中的应用研究[D]. 韩安勤.山东大学 2013
[3]PET/CT显像在肺癌及前列腺癌诊断中的应用研究[D]. 陈翼.南方医科大学 2012
[4]PET/CT在肺癌诊治中的临床研究[D]. 党亚萍.南方医科大学 2007
硕士论文
[1]基于CV和GAC两个偏微分方程图像分割模型的改进[D]. 丁小飞.哈尔滨工业大学 2016
[2]基于随机森林和BSS特征的PET-CT肺肿瘤分割[D]. 蒋雪晴.苏州大学 2016
[3]基于PET/CT图像的肺癌辅助诊疗技术研究[D]. 张颖.大连理工大学 2016
[4]18F-FDG PET/CT显像在胰腺癌诊断和随访监测中的应用价值[D]. 种欢欢.华中科技大学 2016
[5]基于PET/CT图像分析的肺癌放疗关键技术研究[D]. 高珊.大连理工大学 2015
[6]基于随机游走和图割算法的PET-CT肺肿瘤分割[D]. 鞠薇.苏州大学 2015
[7]医学超声图像分割与病灶中心空间定位方法研究[D]. 孙思婷.大连理工大学 2014
[8]医学图像配准和融合的研究[D]. 常伯乐.郑州大学 2013
[9]一种引入新的边缘函数的GAC模型医学图像序列分割[D]. 高士瑞.西北大学 2012
本文编号：3599113
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究的背景与意义
1.2 国内外研究现状
1.2.1 基于PET/CT图像的诊断治疗系统
1.2.2 PET/CT图像融合及其在肺癌辅助诊疗中的应用
1.2.3 PET/CT图像分割及其在肺癌辅助诊疗中的应用
1.3 本文主要工作
2 基于图像分析的肺癌辅助诊疗相关技术
2.1 PET/CT成像技术
2.2 医学图像融合方法及评价指标
2.2.1 常用的医学图像融合方法
2.2.2 图像融合评价指标
2.3 医学图像分割方法及评价指标
2.3.1 常用的医学图像分割方法
2.3.2 图像分割评价指标
2.4 本章小结
3 基于控制核聚类的稀疏图像融合算法
3.1 稀疏图像融合算法
3.2 基于控制核聚类的稀疏图像融合算法
3.2.1 图像字典的结构性
3.2.2 控制核回归
3.2.3 K-SVD字典训练
3.2.4 算法流程
3.3 实验结果及分析
3.3.1 图像聚类分块情况
3.3.2 不同种融合算法间对比分析
3.4 本章小结
4 基于测地线活动轮廓模型的图像联合分割算法
4.1 测地线活动轮廓模型
4.2 改进边缘函数的测地线活动轮廓模型
4.2.1 新的边缘函数
4.2.2 数值实现
4.3 实验结果及分析
4.3.1 改进的边缘函数
4.3.2 与基于GAC模型的单模态图像分割算法对比
4.3.3 与其他分割算法对比
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】：
期刊论文
[1]基于双树复小波变换的PET/CT自适应融合算法[J]. 魏兴瑜,周涛,陆惠玲,王文文. 计算机科学与探索. 2015(03)
[2]NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法[J]. 李新娥,任建岳,吕增明,沙巍,张立国,何斌. 红外与激光工程. 2013(11)
[3]医学图像处理中有关图像分割的新技术[J]. 王瓛,郭秀花. 北京生物医学工程. 2008(04)
博士论文
[1]多模态肿瘤图像联合分割方法研究[D]. 蒋君.南方医科大学 2014
[2]功能解剖影像PET/CT在肿瘤诊断相关常见问题中的应用研究[D]. 韩安勤.山东大学 2013
[3]PET/CT显像在肺癌及前列腺癌诊断中的应用研究[D]. 陈翼.南方医科大学 2012
[4]PET/CT在肺癌诊治中的临床研究[D]. 党亚萍.南方医科大学 2007
硕士论文
[1]基于CV和GAC两个偏微分方程图像分割模型的改进[D]. 丁小飞.哈尔滨工业大学 2016
[2]基于随机森林和BSS特征的PET-CT肺肿瘤分割[D]. 蒋雪晴.苏州大学 2016
[3]基于PET/CT图像的肺癌辅助诊疗技术研究[D]. 张颖.大连理工大学 2016
[4]18F-FDG PET/CT显像在胰腺癌诊断和随访监测中的应用价值[D]. 种欢欢.华中科技大学 2016
[5]基于PET/CT图像分析的肺癌放疗关键技术研究[D]. 高珊.大连理工大学 2015
[6]基于随机游走和图割算法的PET-CT肺肿瘤分割[D]. 鞠薇.苏州大学 2015
[7]医学超声图像分割与病灶中心空间定位方法研究[D]. 孙思婷.大连理工大学 2014
[8]医学图像配准和融合的研究[D]. 常伯乐.郑州大学 2013
[9]一种引入新的边缘函数的GAC模型医学图像序列分割[D]. 高士瑞.西北大学 2012
本文编号：3599113
本文链接：https://www.wllwen.com/linchuangyixuelunwen/3599113.html
最近更新
教材专著
