一种基于图割的PET和CT图像的肺肿瘤分割方法

1.一种基于图割的PET和CT图像的肺肿瘤分割方法，其特征在于，包括以下步骤：
（1）对PET图像进行上采样，并且对PET和CT图像进行仿射配准，使得PET和CT图像上的点一一对应；
（2）根据图割算法需要，在融合的PET和CT图像上手动标记肿瘤区域和非肿瘤区域的种子点；
（3）对提取的医学影像，确定肿瘤的金标准，对肿瘤区域进行标定；
（4）对PET和CT图像用滤波器滤波，平滑图像，同时保留边界的信息；
（5）计算PET图像上的病灶标准摄取值SUV的最大值和最小值；
（6）根据图割算法中提出的能量函数，计算PET和CT上每个像素点的能量函数值；
（7）根据图割算法，为PET和CT图像建立两个图形，并将两幅图形用一个连接d-link联系起来；
（8）计算上下文代价函数；
（9）用图割的算法在PET和CT图像上分割肿瘤，将分割的结果与金标准进行比较，使用衡量准则量化检测结果。
2.根据权利要求1所述的一种基于图割的PET和CT图像的肺肿瘤分割方法，其特征在于：所述步骤（1）中，对PET图像进行上采样为对PET图像进行线性上采样。
3.根据权利要求1所述的一种基于图割的PET和CT图像的肺肿瘤分割方法，其特征在于：所述步骤（6）中能量函数包括：PET能量函数EPET，CT能量函数ECT，以及惩罚PET和CT信息不同的上下文代价函数Econtext，总的能量函数如下:
E(f)＝EPET(f)+ECT(f)+Econtext(f)；f是分配给每一个像素点的标记。
4.根据权利要求3所述的一种基于图割的PET和CT图像的肺肿瘤分割方法，其特征在于：其中，PET能量函数EPET，利用PET图像的分布特征和肿瘤的像素和位置特征，包括四个部分：图割中的区域代价函数、边界代价函数、形状距离束缚函数和单调下降函数；
1）区域代价函数：
Du(fu＝0)＝Tmax-Du(fu＝1)
其中：SM、SL分别是SUV最大值的50%和15%，S(u)为像素点u的SUV值，a、b为两个系数，Tmax为允许的代价函数的最大值；
2）边界代价函数：
|▽G|2(u,v)是像素点u、v的梯度信息，σg为高斯系数；
3）形状距离束缚函数：
ro为目标区域的半径，d(u,xo)为像素点u到目标区域坐标为xo的欧式距离；Tmax为允许的代价函数的最大值；
4）单调下降函数：
Au为在单调下降方向上的点的集合，Mu为单调下降的代价函数，Tmax为允许的代价函数的最大值，x为坐标值， p为两个系数；
因此，PET能量函数公式如下：
G为建立的PET图形，u、v是PET图形中的像素点，NPET是PET图形的邻域点的集合，f是分配给每一个像素点的标记，α、β、γ、λ分别是每一个能量函数对应的系数。
5.根据权利要求3所述的一种基于图割的PET和CT图像的肺肿瘤分割方法，其特征在于：其中，CT能量函数ECT，包括图割中的区域代价函数、边界代价函数、形状距离束缚函数；
1）区域代价函数：
σ为高斯系数，gu’为像素点的亮度值， 为所有像素点亮度的平均值；
2）边界代价函数：
2
|▽G|(u',v')为像素点u’,v’的梯度值，σg是高斯参数；
3）形状距离束缚：
ro为目标区域的半径，d(u’,xo)为像素点u’到目标区域坐标为xo的欧式距离；
因此，CT能量函数公式如下：
G’为建立的CT图形，u’、v’是PET图形中的像素点，NCT是CT图形的邻域点的集合，f是分配给每一个像素点的标记，α′、β′、γ′是每一个能量函数对应的系数。
6.根据权利要求3所述的一种基于图割的PET和CT图像的肺肿瘤分割方法，其特征在于：其中，上下文代价函数Econtext：利用PET和CT提供的信息，采用一个代价函数作为惩罚PET、CT代价的差异；
Nu、Nu’分别是PET、CT代价函数的归一化值，δ、ψ、H为系数。
7.根据权利要求1所述的一种基于图割的PET和CT图像的肺肿瘤分割方法，其特征在于：所述步骤（9）中“将分割的结果与金标准进行比较，使用衡量准则量化检测结果”具体是指：采用DSC系数和Hausdorff距离来衡量肿瘤分割的结果，其中，DSC系数用来反映分割的肿瘤结果与金标准区域的重合度，Hausdorff距离反映金标准与分割结果边界的契合度；
DSC系数：
U1、U2分别为分割的结果和金标准；
Hausdorff距离：
U1、U2分别为分割的结果和金标准；代表了边界信息； 为分割肿瘤
和金标准的边界信息的集合，inf,sup分别表示上界和下界，d(x,y)为x、y的欧式距离。

暂无