[发明专利]基于超图模型的PET-CT多模态鼻咽癌图像分割方法

说明书

本发明涉及一种基于超图模型的PET‑CT多模态鼻咽癌图像分割方法，包括：提取鼻咽部肿瘤图像中像素点的灰度信息和位置信息来构建数据集，根据数据集构建稀疏表示模型并求解得到重建系数矩阵并构建超边，利用高斯核模型计算数据样本相似度作为超边权重值，求解超边阶、顶点阶以构造超图拉普拉斯矩阵；然后对鼻咽部肿瘤图像进行标记同时获得标记向量，根据标记向量构建半监督学习模型，再通过求解最小二乘问题获得最优切向量，最后将分类结果返回至像素级别，即完成对肿瘤图像的分割。本发明的分割方法相较于单模态的分割精度更高，同时基于稀疏表示与高斯核结合的超图模型比其他简单图模型或超图模型对鼻咽部肿瘤图像数据具有更高的分割精度。

技术领域

本发明属于肿瘤图像分割领域，尤其涉及一种基于超图模型的PET-CT多模态鼻咽癌图像分割方法。

背景技术

随着医学成像技术的发展，医学图像分割逐渐成为一个重要的研究议题，在临床应用中有着重要的意义。尤其是在肿瘤图像的处理中，对肿瘤图像的准确分割可以帮助医生更加精准地勾画肿瘤轮廓以确定放疗靶区。但传统的肿瘤图像分割方法大多针对单模态影像数据，其包含的信息较少，因此难以实现较高的分割精度。

肿瘤是危害人类健康的一种恶性疾病，其中头颈部肿瘤是世界第五大常见肿瘤，而鼻咽癌作为头颈部最常见的肿瘤，在我国属于高发肿瘤之一，世界范围内约80％的鼻咽癌发生在我国，因此对鼻咽癌诊疗的研究具有十分重要的临床应用价值。当前对鼻咽癌的治疗大多采用放射疗法，在进行放射性治疗之前，医生需根据病人的医学成像数据对肿瘤病灶区域进行人工勾画以确定放疗靶区，对肿瘤轮廓的勾画结果直接影响到后续治疗的效果，因此如何精确地分割出肿瘤区域成为鼻咽部肿瘤及其他各类肿瘤治疗中的一个重要问题。当前对肿瘤的勾画大多采用人工方式，这种方式费时费力，且在很大程度上依赖医生的从业经验，主观性较强，效果不理想。因此有研究人员开始将图像分割的方法引入到肿瘤图像分割的领域中，用以帮助医生更精确地勾画肿瘤区域。传统的医学图像分割大都针对CT(电子计算机断层扫描)、MRI(磁共振成像)、PET(正电子发射型计算机断层显像)技术获得的单模态数据进行处理，如基于图的分割方法。

基于图模型的肿瘤图像分割当前已有一些相关的研究成果，但这些研究大都针对的是单模态数据，利用这些单模态数据构建简单图模型进行图像分割。但是在鼻咽部肿瘤图像分割中，由于鼻咽部肿瘤在单一的CT图像或MRI图像下边界不明显，因此仅靠单模态数据无法获得足够的信息，从而无法准确区分鼻咽部肿瘤与正常区域，效果不理想。

针对这一问题，有研究者开始采用多模态成像数据进行分割，但早期的多模态数据是多次成像获得的不同模态下的数据，存在图像配准问题，加大了图像处理的难度，同时利用多模态数据仍然构建的是简单图模型，简单图模型虽然可以在一定程度上反映原始数据间的关系，但由于其边的特性，简单图只能反映样本点间的两两关系而丢失了样本间的类别、结构关系，因此在该模型下最终的图像分割精度依然不理想。

针对简单图模型的缺点，有学者开始采用超图模型来对数据样本进行描述。超图是简单图模型的拓展。在简单图模型中，一条边对应两个顶点，而在超图模型中，一条超边可以包含多个顶点，从而保留了原始数据间的结构关系，避免了简单图的缺点，因此采用超图模型进行图像分割可以得到更高的分割精度。例如：利用K近邻算法确定样本点的联系从而构建超边，再基于超边得到超边权重值，但这种方法由于K值固定，因此针对样本分布不均匀的情况，难以得到理想的分类结果。

鼻咽癌是我国高发肿瘤之一，但目前针对鼻咽部肿瘤图像分割的研究较少，相关研究成果效果不理想，同时目前在鼻咽肿瘤图像分割领域尚未找到相关应用超图进行分割的相关研究方法。

发明内容

针对现有技术之不足，本发明提供一种基于超图模型的PET-CT多模态鼻咽癌图像分割方法，所述方法包括：

步骤1：读取待分割的多模态鼻咽部肿瘤图像；