一種基于圖割的pet和ct圖像的肺腫瘤分割方法
【專利摘要】本發(fā)明公開了一種基于圖割的PET和CT圖像的肺腫瘤分割方法，首先進行PET、CT圖像數(shù)據(jù)的采集，通過對PET圖像進行上采樣，以及對PET和CT圖像進行仿射配準(zhǔn)，使PET和CT圖像上的像素點一一對應(yīng)。對圖像的腫瘤部位與非腫瘤部位進行種子點的標(biāo)定；在臨床腫瘤學(xué)家的幫助和監(jiān)督下獲得腫瘤的金標(biāo)準(zhǔn)；通過對PET、CT的信息提取，利用圖割算法整合分析提取的PET和CT圖像上的信息，對肺腫瘤進行分割，測試，得出最后的檢測結(jié)果。
【專利說明】—種基于圖割的PET和CT圖像的肺腫瘤分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于圖割的PET和CT圖像的肺腫瘤分割方法，屬于生物醫(yī)學(xué)影像處理領(lǐng)域，利用圖割(graph cut)的方法對肺部腫瘤進行的自動化最優(yōu)化的分割方法。
【背景技術(shù)】
[0002]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主要原因。肺部腫瘤的治療需要精確的腫瘤位置、大小和形狀，因此肺腫瘤精確的肺腫瘤分割已成為一個熱門的研究課題。PET-CT作為定量的分子-結(jié)構(gòu)成像技術(shù)，已經(jīng)被廣泛使用于腫瘤分析和腫瘤治療方案的制定。Graph cut圖割的最優(yōu)化分割算法技術(shù)主要結(jié)合利用PET(正電子發(fā)射計算機斷層顯像)圖像提供的人體的新陳代謝的信息和CT (X線計算機斷層攝影)提供的解剖結(jié)構(gòu)的信息，將分割問題轉(zhuǎn)化成能量最小化的問題(energy minimization problem),從而將肺腫瘤自動地從PET和CT圖像上分割出來。
[0003]目前，國內(nèi)外的許多專家已經(jīng)使用了多種方法對肺部腫瘤進行分割，例如:閾值分害I]、區(qū)域生長算法、機器學(xué)習(xí)算法。這些方法基本上都采用單一的模態(tài)對肺腫瘤進行分割，精確性和可靠性不高。

【發(fā)明內(nèi)容】

[0004]目的:為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于圖割的PET和CT圖像的肺腫瘤分割方法，借助科學(xué)研究方法明確腫瘤的位置和大小，來協(xié)助醫(yī)生對腫瘤的疾病進行預(yù)判斷，幫助臨床腫瘤專家為病人提供更好的治療方案。
[0005]技術(shù)方案:為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為:
[0006]一種基于圖割的PET和CT圖像的肺腫瘤分割方法，其特征在于，包括以下步驟:
[0007](I)對PET圖像進行上采樣，并且對PET和CT圖像進行仿射配準(zhǔn)，使得PET和CT圖像上的點一一對應(yīng)；
[0008](2)根據(jù)圖割算法需要，在融合的PET和CT圖像上手動標(biāo)記腫瘤區(qū)域和非腫瘤區(qū)域的種子點；
[0009](3)對提取的醫(yī)學(xué)影像，確定腫瘤的金標(biāo)準(zhǔn)，對腫瘤區(qū)域進行標(biāo)定；
[0010](4)對PET和CT圖像用濾波器濾波，平滑圖像，同時保留邊界的信息；
[0011](5)計算PET圖像上的病灶標(biāo)準(zhǔn)攝取值SUV的最大值和最小值；
[0012](6)根據(jù)圖割算法中提出的能量函數(shù)，計算PET和CT上每個像素點的能量函數(shù)值；
[0013](7)根據(jù)圖割算法，為PET和CT圖像建立兩個圖形，并將兩幅圖形用一個連接d-link聯(lián)系起來；
[0014](8)計算上下文代價函數(shù)；
[0015](9)用圖割的算法在PET和CT圖像上分割腫瘤，將分割的結(jié)果與金標(biāo)準(zhǔn)進行比較，使用衡量準(zhǔn)則量化檢測結(jié)果。[0016]所述步驟(1)中，對PET圖像進行上采樣為對PET圖像進行線性上采樣。
[0017]所述步驟(6)中能量函數(shù)包括:PET能量函數(shù)Epet, CT能量函數(shù)ECT，以及懲罰PET和CT信息不同的上下文代價函數(shù)E_text，總的能量函數(shù)如下:E(f)=Epet(f) +Ect (f) +Econtext (f) ；f是分配給每一個像素點的標(biāo)記。
[0018]所述的一種基于圖割的PET和CT圖像的肺腫瘤分割方法，其特征在于:其中，PET能量函數(shù)Epet，利用PET圖像的分布特征和腫瘤的像素和位置特征，包括四個部分:圖割中的區(qū)域代價函數(shù)、邊界代價函數(shù)、形狀距離束縛函數(shù)和單調(diào)下降函數(shù)；
[0019]I)區(qū)域代價函數(shù):
【權(quán)利要求】
1.一種基于圖割的PET和CT圖像的肺腫瘤分割方法，其特征在于，包括以下步驟: (1)對PET圖像進行上采樣，并且對PET和CT圖像進行仿射配準(zhǔn)，使得PET和CT圖像上的點一一對應(yīng)； (2)根據(jù)圖割算法需要，在融合的PET和CT圖像上手動標(biāo)記腫瘤區(qū)域和非腫瘤區(qū)域的種子點； (3)對提取的醫(yī)學(xué)影像，確定腫瘤的金標(biāo)準(zhǔn)，對腫瘤區(qū)域進行標(biāo)定； (4)對PET和CT圖像用濾波器濾波，平滑圖像，同時保留邊界的信息； (5)計算PET圖像上的病灶標(biāo)準(zhǔn)攝取值SUV的最大值和最小值； (6)根據(jù)圖割算法中提出的能量函數(shù)，計算PET和CT上每個像素點的能量函數(shù)值； (7)根據(jù)圖割算法，為PET和CT圖像建立兩個圖形，并將兩幅圖形用一個連接d-link聯(lián)系起來； (8)計算上下文代價函數(shù)； (9)用圖割的算法在PET和CT圖像上分割腫瘤，將分割的結(jié)果與金標(biāo)準(zhǔn)進行比較，使用衡量準(zhǔn)則量化檢測結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于圖割的PET和CT圖像的肺腫瘤分割方法，其特征在于:所述步驟(1)中，對PET圖像進行上采樣為對PET圖像進行線性上采樣。
3.根據(jù)權(quán)利要求1所述的一種基于圖割的PET和CT圖像的肺腫瘤分割方法，其特征在于:所述步驟(6)中能量函數(shù)包括:PET能量函數(shù)Epet，CT能量函數(shù)Ect，以及懲罰PET和CT信息不同的上下文代價函數(shù)E_text，總的能量函數(shù)如下: E(f) = Epet(f) +Ect(f) +Econtext (f) ;f是分配給每一個像素點的標(biāo)記。
4.根據(jù)權(quán)利要求3所述的一種基于圖割的PET和CT圖像的肺腫瘤分割方法，其特征在于:其中，PET能量函數(shù)Epet，利用PET圖像的分布特征和腫瘤的像素和位置特征，包括四個部分:圖割中的區(qū)域代價函數(shù)、邊界代價函數(shù)、形狀距離束縛函數(shù)和單調(diào)下降函數(shù)； 1)區(qū)域代價函數(shù):

5.根據(jù)權(quán)利要求3所述的一種基于圖割的PET和CT圖像的肺腫瘤分割方法，其特征在于:其中，CT能量函數(shù)Ect，包括圖割中的區(qū)域代價函數(shù)、邊界代價函數(shù)、形狀距離束縛函數(shù)； 1)區(qū)域代價函數(shù):
6.根據(jù)權(quán)利要求3所述的一種基于圖割的PET和CT圖像的肺腫瘤分割方法，其特征在于:其中，上下文代價函數(shù)Erantext:利用PET和CT提供的信息，采用一個代價函數(shù)作為懲罰PET、CT代價的差異；
7.根據(jù)權(quán)利要求1所述的一種基于圖割的PET和CT圖像的肺腫瘤分割方法，其特征在于:所述步驟(9)中“將分割的結(jié)果與金標(biāo)準(zhǔn)進行比較，使用衡量準(zhǔn)則量化檢測結(jié)果”具體是指:采用DSC系數(shù)和HausdorfT距離來衡量腫瘤分割的結(jié)果，其中，DSC系數(shù)用來反映分割的腫瘤結(jié)果與金標(biāo)準(zhǔn)區(qū)域的重合度，Hausdorff距離反映金標(biāo)準(zhǔn)與分割結(jié)果邊界的契合度； DSC系數(shù):
【文檔編號】G06T7/00GK103942785SQ201410140351
【公開日】2014年7月23日 申請日期:2014年4月9日 優(yōu)先權(quán)日:2014年4月9日
【發(fā)明者】陳新建, 鞠薇, 章斌, 王振興, 向德輝 申請人:蘇州大學(xué)