基于PETCT医学图像中心型肺癌分割及生长率预测

【摘要】：在我国乃至世界广大范围内,肺癌被认为是最常见的恶性癌症之一,也是其死亡率最高的恶性肿瘤。本论文对于中心型肿瘤肺癌的基于PET/CT序列影像处理刚性配准算法的应用做了进一步的研究,对于中心型肿瘤感兴趣的区域融合边界的准确预测和分割也做了进一步的探索,提出一种基于传统PET/CT的序列融合图像的双三次刚性插值配准的算法和基于传统的PET序列图像的中心型肿瘤肺癌的病灶融合区域定位分割,最终在基于传统PET/CT的序列融合区域图像上勾画出中心型肿瘤的位置。对于肿瘤图像的配准,由于传统的PET和CT图像尺寸的大小不一样,使用双三次插值配准算法来进行图像放大和解决,分别通过提取传统PET和CT中肿瘤人体的轮廓和曲线图像作为生长率配准的主要依据。对于中心型肿瘤融合区域的准确分割,在基于PET的图像中由于肿瘤的融合区域边界有一定的过渡浸润融合区域的定位点存在,使用了传统的序列融合图像对肿瘤生长率的预测难以实现准确的生长率分割,本文中使用了以SUVmax点作为肿瘤区域的中心点,取其八个方向的像素值,并对其进行了两次梯度运算,得到八个方向上最优的边界阈值,对八个阈值取平均作为最终图像分割的阈值。最后,针对分割的图像进行了肺癌肿瘤生长率的预测,分析了生长率预测的曲线和方法。本文研究提出了一种对中心型恶性肺癌的肿瘤自动诊断和分割的算法,有助于对中心型癌症早期患者的诊断和治疗进行评估和预后的评估,提高了诊断和对肿瘤生长率变化预测的准确性和治疗的效率,减少人工手动的时间和工作量,具有一定的研究和应用价值。