醫(yī)學(xué)影像配準(zhǔn)融合分割技術(shù)及其在肺癌精準(zhǔn)醫(yī)療的應(yīng)用.pdf

1、21世紀(jì)以來，精準(zhǔn)醫(yī)療技術(shù)蓬勃發(fā)展，并已正式納入我國“十三五”規(guī)劃中，而日新月異的先進(jìn)醫(yī)療設(shè)備在腫瘤的精準(zhǔn)醫(yī)療中具有重要作用。對醫(yī)療設(shè)備采集的多模態(tài)醫(yī)學(xué)影像數(shù)據(jù)運(yùn)用現(xiàn)代數(shù)字圖像處理技術(shù)進(jìn)行分析處理，能夠為臨床醫(yī)師提供更為豐富和準(zhǔn)確的醫(yī)療信息，對臨床醫(yī)師精準(zhǔn)診斷和治療具備一定指導(dǎo)作用。本文主要研究內(nèi)容貫穿醫(yī)學(xué)影像配準(zhǔn)、融合與分割等關(guān)鍵技術(shù)，并將所研究成果應(yīng)用于基于PET、CT影像的肺癌精準(zhǔn)醫(yī)療中，主要內(nèi)容如下:
　　(1)提出了基于

2、混合互信息和改進(jìn)粒子群濾波算法的醫(yī)學(xué)影像配準(zhǔn)方法。該算法依據(jù)Renyi熵和Shannon熵的不同特性，在配準(zhǔn)過程中，首先使用基于Renyi熵的改進(jìn)粒子群優(yōu)化算法，對圖像進(jìn)行全局搜索，再使用基于Shannon熵的Powell算法，對所獲得的最優(yōu)解進(jìn)行局部尋優(yōu)，得出配準(zhǔn)最優(yōu)參數(shù)值。在單模態(tài)和多模態(tài)醫(yī)學(xué)影像配準(zhǔn)實(shí)驗中，本算法體現(xiàn)出配準(zhǔn)精度高、收斂速度快以及魯棒性強(qiáng)等特點(diǎn)。應(yīng)用于肺癌的PET、CT影像配準(zhǔn)中，本算法在臨床醫(yī)師主觀評判和客觀指標(biāo)上

3、均取得較好效果。
　　(2)提出了基于投影字典對學(xué)習(xí)的醫(yī)學(xué)影像融合算法。該算法對訓(xùn)練樣本使用投影字典對學(xué)習(xí)算法和聯(lián)合正交匹配追蹤算法獲得綜合字典、解析字典和樣本的稀疏編碼;圖像高頻部分的稀疏編碼融合以求和法為準(zhǔn)則，圖像低頻部分則依據(jù)加權(quán)平均法進(jìn)行重構(gòu)?；谀X部CT、MRI的醫(yī)學(xué)影像融合實(shí)驗，表明本算法能較好地融合源醫(yī)學(xué)影像的特征信息，且融合影像清晰度和對比度更佳。對于已配準(zhǔn)的肺癌PET、CT醫(yī)學(xué)影像融合，經(jīng)臨床醫(yī)師主觀診斷，融合影

4、像對病灶區(qū)域顯示清晰且局部細(xì)節(jié)區(qū)域保留較好，利于病灶辨別，并通過客觀指標(biāo)結(jié)果得到進(jìn)一步驗證。
　　(3)提出了基于聯(lián)合擬合能量的醫(yī)學(xué)影像分割算法。該算法中基于梯度信息的全局能量項能夠減少算法對初始輪廓的敏感度，有利于加快算法的收斂速度，而基于張量信息的局部能量項使得算法能夠有效處理圖像灰度不均勻的情況，并保留復(fù)雜的邊界結(jié)構(gòu)。通過與幾種主流分割方法的比較，分析對比顯示了本算法的分割精度高、適用性強(qiáng)。應(yīng)用于已融合的肺癌PET、CT影像