基于PET-CT圖像分析的肺癌放療關鍵技術研究.pdf

1、碩士學位論文基于P E T I C T 圖像分析的肺癌放療關鍵技術研究S t u d y o nK e y T e c h n i q u e s o f L u n g T u m o r R a d i o t h e r a p y B a s e d o nP E T ／C T I m a g e s作者姓名：學科、 專業(yè)：學 號：指導教師：完成日期：邱天爽教授2 0 1 5 年5 月大連理工大學D a l i a nU n i

2、 v e r s i t y o f T e c h n o l o g y大連理工大學碩士學位論文摘 要肺癌位居威脅人類生命健康的惡性腫瘤之首，放療是臨床治療肺癌的一種重要手段，而計算機斷層掃描成像( c o m p u t e dt o m o g r a p h y ，C T ) 和正電子發(fā)射斷層成像( p o s i 仃o ne m i s s i o n t o m o g r a p h y ，P E T ) 在肺癌的放射治

3、療中具有重要作用。依據(jù)現(xiàn)代數(shù)字圖像處理的理論和技術，P E T 、C T 圖像能夠幫助醫(yī)生確定腫瘤大小和放療靶區(qū)，并評估和預測腫瘤對當前放療方案的反應，從而使醫(yī)生能夠更好地制定與修正放療計劃。本文以基于P E T ／C T 圖像的肺癌放療關鍵技術中的圖像融合、分割及腫瘤生長模型為主要研究內(nèi)容，主要工作如下：首先，針對P E T 、C T 的單獨使用在肺癌的療效評估和確定靶區(qū)的局限性，本文提出一種基于雙稀疏字典的P E T 、C T 圖像

4、融合算法，該算法利用稀疏性可以很好的描述圖像特征的優(yōu)勢，并通過結合空域信息的絕對值最大選擇法作為融合規(guī)則對圖像進行融合，從而使融合圖像能夠有效保留P E T 、C T 圖像的優(yōu)勢信息，幫助醫(yī)生定位放療靶區(qū)。除此之外，還將該算法擴展應用到了腦梗塞和腦出血的C T 、M 砌圖像融合中，得到的融合圖像好于其他融合算法，進一步證明了該算法的有效性。其次，為了減少手動分割腫瘤的差異性，提高分割準確度，本文提出了基于隨機游走方法的P E T 圖像肺

5、部腫瘤自動分割方法，將P E T 圖像分割中常用的閾值分割和隨機游走方法相結合，并將梯度信息加入邊的加權信息中，改善了因種子點選取不同使得分割結果不穩(wěn)定的問題，并且提高了分割精度。為了進一步獲得更具有適應性的種子點，本文又提出了一種基于近鄰傳播聚類和隨機游走的分割方法，利用自動聚類的優(yōu)勢進一步提高了腫瘤分割精度，分割方法能為放療提供輔助作用。本文在分割得到腫瘤體積的基礎上對體積一劑量模型進行了驗證，得出該模型適用于肺部腫瘤放射治療過程中