[发明专利]一种基于图割的PET和CT图像的肺肿瘤分割方法

说明书

技术领域

本发明涉及一种基于图割的PET和CT图像的肺肿瘤分割方法，属于生物医学影像处理领域，利用图割（graph cut）的方法对肺部肿瘤进行的自动化最优化的分割方法。

背景技术

目前，在环境日益恶化的今天，肺肿瘤已成为危害人类健康的主要原因。肺部肿瘤的治疗需要精确的肿瘤位置、大小和形状，因此肺肿瘤精确的肺肿瘤分割已成为一个热门的研究课题。PET-CT作为定量的分子-结构成像技术，已经被广泛使用于肿瘤分析和肿瘤治疗方案的制定。Graph cut图割的最优化分割算法技术主要结合利用PET(正电子发射计算机断层显像)图像提供的人体的新陈代谢的信息和CT（X线计算机断层摄影）提供的解剖结构的信息，将分割问题转化成能量最小化的问题（energy minimization problem），从而将肺肿瘤自动地从PET和CT图像上分割出来。

目前，国内外的许多专家已经使用了多种方法对肺部肿瘤进行分割，例如：阈值分割、区域生长算法、机器学习算法。这些方法基本上都采用单一的模态对肺肿瘤进行分割，精确性和可靠性不高。

发明内容

目的：为了克服现有技术中存在的不足，本发明提供一种基于图割的PET和CT图像的肺肿瘤分割方法，借助科学研究方法明确肿瘤的位置和大小，来协助医生对肿瘤的疾病进行预判断，帮助临床肿瘤专家为病人提供更好的治疗方案。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种基于图割的PET和CT图像的肺肿瘤分割方法，其特征在于，包括以下步骤：

（1）对PET图像进行上采样，并且对PET和CT图像进行仿射配准，使得PET和CT图像上的点一一对应；

（2）根据图割算法需要，在融合的PET和CT图像上手动标记肿瘤区域和非肿瘤区域的种子点；

（3）对提取的医学影像，确定肿瘤的金标准，对肿瘤区域进行标定；

（4）对PET和CT图像用滤波器滤波，平滑图像，同时保留边界的信息；

（5）计算PET图像上的病灶标准摄取值SUV的最大值和最小值；

（6）根据图割算法中提出的能量函数，计算PET和CT上每个像素点的能量函数值；

（7）根据图割算法，为PET和CT图像建立两个图形，并将两幅图形用一个连接d-link联系起来；

（8）计算上下文代价函数；

（9）用图割的算法在PET和CT图像上分割肿瘤，将分割的结果与金标准进行比较，使用衡量准则量化检测结果。

所述步骤（1）中，对PET图像进行上采样为对PET图像进行线性上采样。

所述步骤（6）中能量函数包括：PET能量函数E_PET，CT能量函数E_CT，以及惩罚PET和CT信息不同的上下文代价函数E_context，总的能量函数如下:E(f)＝E_PET(f)+E_CT(f)+E_context(f)；f是分配给每一个像素点的标记。

所述的一种基于图割的PET和CT图像的肺肿瘤分割方法，其特征在于：其中，PET能量函数E_PET，利用PET图像的分布特征和肿瘤的像素和位置特征，包括四个部分：图割中的区域代价函数、边界代价函数、形状距离束缚函数和单调下降函数；

1）区域代价函数：