[发明专利]三维图割算法结合随机游走算法的PET‐CT肺肿瘤分割方法

说明书

本发明属于生物医学影像处理领域，具体涉及三维图割算法结合随机游走算法的PET‐CT肺肿瘤分割方法，包括如下步骤：对原始PET图像进行线性上采样操作，并对PET和CT图像进行仿射配准；并标定图像的肿瘤种子点和非肿瘤种子点；结合肿瘤种子点对PET图像进行随机游走算法分割；得到完全包括目标肺肿瘤区域的前景目标区域Ro，除Ro以外的区域作为非肺肿瘤区域的背景区域Rb；将前景区域Ro和背景区域Rb分别建立高斯混合模型；根据前景及背景的高斯混合模型分别计算能量项并运用图割算法得到最终分割结果。本方法充分运用了PET图像的功能信息和CT图像的结构信息，使得随机游走算法和图割算法进行互补，最终得到更加精确的肺肿瘤分割结果。

技术领域

本发明属于生物医学影像处理领域，利用高斯混合模型(Gaussian MixtureModels)优化的图割(Graph Cut)方法结合随机游走(Random walk)算法进行肺肿瘤的精确分割方法。

背景技术

肺肿瘤大多数起源于支气管粘膜上皮，因此也称支气管肺癌。近 50年来，全世界肺癌的发病率明显增高，据统计，在欧美某些国家和我国大城市中，肺肿瘤的发病率已居男性各种肿瘤的首位。对于肺肿瘤的治疗需要对肿瘤进行定位、大小形状分析，而PET(Positron Emission Computed Tomography)和CT(Computed Tomography)作为两种定量的分子‐结构成像技术，已广泛使用于肺肿瘤的分析与诊断中， PET图像能够提供人体新陈代谢的功能信息，CT图像能够提供人体组织器官的结构信息，两者的结合能够更好地定位诊断肺肿瘤。

然而目前国内外很多现有肺肿瘤方法都是基于单一模态(PET或者CT)，例如：区域生长方法、Level Set方法等，其分割的准确性和可靠性都不是很高，并不能真正给临床应用带来质的改变。

发明内容

本发明所要解决的技术问题在于针对上述背景技术中存在的问题，提供一种利用了随机游走算法的鲁棒性和图割算法的精确性使分割结果更加准确鲁棒的三维图割算法结合随机游走算法的PET‐CT肺肿瘤分割方法。

为解决上述技术问题，本发明采用的技术方案为：三维图割算法结合随机游走算法的PET‐CT肺肿瘤分割方法，包括如下步骤：

1)对原始PET图像进行线性上采样操作，并对PET和CT图像进行仿射配准；并手动标定图像的肿瘤种子点和非肿瘤种子点；

2)结合肿瘤种子点和非肿瘤种子点对PET图像进行随机游走算法分割，得到目标肺肿瘤区域的分割结果；

3)对于步骤2)中的随机游走分割结果作形态学膨胀操作，得到完全包括目标肺肿瘤区域的前景目标区域Ro，除Ro以外的区域作为非肺肿瘤区域的背景区域Rb；

4)将前景区域Ro和背景区域Rb分别建立高斯混合模型，并用最大期望算法估计完善高斯混合模型参数；

5)根据前景及背景的高斯混合模型分别计算能量项并运用图割算法得到最终分割结果。

前述的三维图割算法结合随机游走算法的PET‐CT肺肿瘤分割方法，步骤2)中，随机游走算法基于图的分割方法，在给定一部分种子点后能计算图像中非种子点的像素点首次到达种子点的概率，通过将概率最大的一类像素点归为目标区域从而得到最终的随机游走分割结果；其中随机游走算法中相邻像素点之间的权重表示为： W_ij＝exp(-β(g_i-g_j)²),

其中β为权重参数，g_i和g_j表示邻接像素点i和j的灰度值；求解非种子点的像素点首次到达种子点的概率等同于求解组合狄利克雷问题，离散狄利克雷积分可以表示为：