基于PET-CT圖像的肺癌輔助診療技術(shù)研究.pdf

1、肺癌位居惡性腫瘤（或稱為癌癥）致死排行之首，已經(jīng)成為人類健康的巨大威脅。而PET/CT圖像在肺癌的診斷治療中占據(jù)著重要的地位。為了在PET/CT圖像提供的信息的基礎(chǔ)上，輔助醫(yī)生對肺癌進行診斷，有效的確定靶向區(qū)域及“優(yōu)化”診療方案。本文對基于PET/CT圖像的肺癌診療輔助技術(shù)進行研究，包括基于PET/CT圖像的融合，分割以及腫瘤生長模型的建立。主要工作如下:
　　為了提高基于醫(yī)學(xué)影像技術(shù)診斷惡性腫瘤的準(zhǔn)確性和可靠性，輔助醫(yī)生判斷腫瘤

2、邊界及對腫瘤進行分期。本文對PET/CT兩種模態(tài)的圖像進行融合。針對PET圖像分辨率低，邊界輪廓模糊的特點，結(jié)合臨床診斷需求，本文采用雙邊交叉濾波器構(gòu)建CT圖像的邊緣濾波器對PET圖像進行濾波。然后提取輸出圖像的顯著圖作為PET圖像的融合權(quán)重，最后根據(jù)PET、CT權(quán)重和為1的準(zhǔn)則得到融合圖像。進一步，在該算法的基礎(chǔ)上用測地線距離改進濾波器的核函數(shù)，更好的提取了CT圖像中的病灶邊緣，且參數(shù)選擇魯棒性有所提高。該算法能夠有效保留PET、CT

3、圖像的特征信息，為惡性腫瘤診斷的準(zhǔn)確性提供可靠的保障。
　　其次，為了對腫瘤治療和腫瘤預(yù)測的結(jié)果進行評估，保證分割標(biāo)準(zhǔn)的一致性，需要加入自動分割方法來輔助醫(yī)生勾畫腫瘤靶區(qū)。本文的另一項工作是結(jié)合活動輪廓模型對醫(yī)學(xué)圖像進行分割。提出了結(jié)合Hausdorff距離和RSF模型的RSFH能量項，實現(xiàn)更快的收斂速度和更短的分割時間。該算法在增強的PET圖像、超聲圖像的分割應(yīng)用中，具有一定的算法優(yōu)勢。之后對已轉(zhuǎn)換為SUV值的PET圖像進行灰度

4、值概率分布擬合，建立LSBGFRLS能量項，進一步提高了PET圖像分割的準(zhǔn)確率。分割結(jié)果被用在體積-劑量模型中約束腫瘤生長模型的預(yù)測結(jié)果。
　　最后，本文基于PET圖像，對加入治療因子的腫瘤生長模型進行研究。結(jié)合空間環(huán)境對腫瘤細胞生長帶來的影響，與Gompertz函數(shù)曲線的特點，對模型中的增殖項進行改進，提高了腫瘤預(yù)測的精度。該模型可以預(yù)測腫瘤細胞下一階段的變化，輔助醫(yī)生進行診療方案的“優(yōu)化”及診療效果的評估，在肺癌的治療中具有重