三维图割算法结合随机游走算法的PET‐CT肺肿瘤分割方法技术

本发明专利技术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。

【技术实现步骤摘要】
201610034539

【技术保护点】
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。

【技术特征摘要】
1.三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。
2.根据权利要求1所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，其特征在于，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：
Wij＝exp(-β(gi-gj)2),
其中β为权重参数，gi和gj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：
D [ x ] = 1 2 x T L x = 1 2 Σ e i j ∈ E w i j ( x i - x j ) 2 , ]]>其中x表示每个非种子点的像素点到达种子点的概率，L是组合

\t拉普拉斯矩阵，xi为像素点i到达种子点的概率，xj为像素点j到达
种子点的概率，eij表示邻接像素点i、j之间的一条边，xT表示每个
非种子点的像素点到达肿瘤种子点和非肿瘤的种子点的各自概率组
成的矩阵的转置，wij为邻接点i、j之间组成的边eij的权重，定义如
下：
L i j = d i i = j - w i j a d j a c e n t 0 o t h e r w i s e , ]]>其中Lij是PET图修改过的邻接矩阵，di＝∑w(eij)是顶点的度；
w(eij)表示邻接点i、j之间组成的边eij的权重，∑w(eij)是指与当前像
素点相邻接的边的权重和；adjacent表示像素点i、j是相邻接的，
otherwise表示像素点i、j不相邻接且像素点i、j不是同一像素点；
通过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.根据权利要求2所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，其特征在于，在步骤2)中，已标记点的集
合用VM表示，未标记点的集合用VU表示，VM和VU满足VM∩VU＝0，
VM∪VU＝V，因此
D [ x U ] = 1 2 x M x U L M B ...

【专利技术属性】
技术研发人员：陈新建，俞凯，向德辉，朱伟芳，石霏，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32