[發明專利]三維圖割算法結合隨機游走算法的PET‐CT肺腫瘤分割方法

有效

• 申請號: 201610034539.8
• 申請日: 2016-01-19
• 公開（公告）號: CN105701832B
• 公開（公告）日: 2019-02-26
• 發明（設計）人: 陳新建;俞凱;向德輝;朱偉芳;石霏
• 申請（專利權）人: 蘇州大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林;薛海霞

本發明屬于生物醫學影像處理領域，具體涉及三維圖割算法結合隨機游走算法的PET‐CT肺腫瘤分割方法，包括如下步驟：對原始PET圖像進行線性上采樣操作，并對PET和CT圖像進行仿射配準；并標定圖像的腫瘤種子點和非腫瘤種子點；結合腫瘤種子點對PET圖像進行隨機游走算法分割；得到完全包括目標肺腫瘤區域的前景目標區域Ro，除Ro以外的區域作為非肺腫瘤區域的背景區域Rb；將前景區域Ro和背景區域Rb分別建立高斯混合模型；根據前景及背景的高斯混合模型分別計算能量項并運用圖割算法得到最終分割結果。本方法充分運用了PET圖像的功能信息和CT圖像的結構信息，使得隨機游走算法和圖割算法進行互補，最終得到更加精確的肺腫瘤分割結果。

技術領域

本發明屬于生物醫學影像處理領域，利用高斯混合模型(Gaussian MixtureModels)優化的圖割(Graph Cut)方法結合隨機游走(Random walk)算法進行肺腫瘤的精確分割方法。

背景技術

肺腫瘤大多數起源于支氣管粘膜上皮，因此也稱支氣管肺癌。近 50年來，全世界肺癌的發病率明顯增高，據統計，在歐美某些國家和我國大城市中，肺腫瘤的發病率已居男性各種腫瘤的首位。對于肺腫瘤的治療需要對腫瘤進行定位、大小形狀分析，而PET(Positron Emission Computed Tomography)和CT(Computed Tomography)作為兩種定量的分子‐結構成像技術，已廣泛使用于肺腫瘤的分析與診斷中， PET圖像能夠提供人體新陳代謝的功能信息，CT圖像能夠提供人體組織器官的結構信息，兩者的結合能夠更好地定位診斷肺腫瘤。

然而目前國內外很多現有肺腫瘤方法都是基于單一模態(PET或者CT)，例如：區域生長方法、Level Set方法等，其分割的準確性和可靠性都不是很高，并不能真正給臨床應用帶來質的改變。

發明內容

本發明所要解決的技術問題在于針對上述背景技術中存在的問題，提供一種利用了隨機游走算法的魯棒性和圖割算法的精確性使分割結果更加準確魯棒的三維圖割算法結合隨機游走算法的PET‐CT肺腫瘤分割方法。

為解決上述技術問題，本發明采用的技術方案為：三維圖割算法結合隨機游走算法的PET‐CT肺腫瘤分割方法，包括如下步驟：

1)對原始PET圖像進行線性上采樣操作，并對PET和CT圖像進行仿射配準；并手動標定圖像的腫瘤種子點和非腫瘤種子點；

2)結合腫瘤種子點和非腫瘤種子點對PET圖像進行隨機游走算法分割，得到目標肺腫瘤區域的分割結果；

3)對于步驟2)中的隨機游走分割結果作形態學膨脹操作，得到完全包括目標肺腫瘤區域的前景目標區域Ro，除Ro以外的區域作為非肺腫瘤區域的背景區域Rb；

4)將前景區域Ro和背景區域Rb分別建立高斯混合模型，并用最大期望算法估計完善高斯混合模型參數；

5)根據前景及背景的高斯混合模型分別計算能量項并運用圖割算法得到最終分割結果。

前述的三維圖割算法結合隨機游走算法的PET‐CT肺腫瘤分割方法，步驟2)中，隨機游走算法基于圖的分割方法，在給定一部分種子點后能計算圖像中非種子點的像素點首次到達種子點的概率，通過將概率最大的一類像素點歸為目標區域從而得到最終的隨機游走分割結果；其中隨機游走算法中相鄰像素點之間的權重表示為： W_ij＝exp(-β(g_i-g_j)²),

其中β為權重參數，g_i和g_j表示鄰接像素點i和j的灰度值；求解非種子點的像素點首次到達種子點的概率等同于求解組合狄利克雷問題，離散狄利克雷積分可以表示為：