多模态肿瘤图像合分割方法研究.pdf

  本文关键词：多模态肿瘤图像联合分割方法研究，由笔耕文化传播整理发布。

Ⅲ川㈣㈣川lIllI删洲㈣0mI Y座机电话号码 博士学位论文 多模态肿瘤图像联合分割方法研究 博士研究生：蒋君 指导教师：冯前进教授 摘要 肿瘤是常见的危害人类健康的恶性疾病之一。对于尚未广泛转移的肿瘤患 者，目前普遍采用的是基于图像引导的放射疗法。这种疗法需要依据患者的断 层图像来定位肿瘤边界和危及器官，并据此计算患者体内的放射剂量分布，制 定放疗计划。 目前，医院在制定放疗计划时普遍采用手工勾画的方式来确定放疗靶区。 医生需要逐层筛查病人的断层图像，并用专业的放疗计划软件勾画出所有图像 序列中的肿瘤轮廓。在勾画过程中，医生既要保证病灶靶区的准确勾画，又要 尽量规避正常组织和重要器官。然而，手工勾画存在诸多弊端：一方面，由于 病人的图像往往多达上百个断层，肿瘤也可能转移至若干处，这直接导致医生 的筛查过程非常耗时；另一方面， 某些类型的肿瘤在图像中 例如，鼻咽部肿 瘤的CT图像 边界并不明显，医生在勾画此类图像时，，需要结合肿瘤生长造成 的解剖结构变化来勾勒大致的肿瘤边缘。即使对于具有良好的解剖知识的临床 医师而言也需要反复揣摩，仔细推敲。由此可见，手工勾画过程枯燥、困难耗 时，并带有一定的主观性，重复性差。研究肿瘤图像的自动／半自动分割方法， 为肿瘤靶区的勾画提供快捷、且重复性较高的方案，成为图像引导放疗技术领 域的一个重要研究分支。 传统的医学图像分割方法有基于阈值和区域生长这类简单的图像分割方法， ClIt 这类较复杂的分割方法。 也有基于统计形状模型 ASM 和图割 Gr印h 然而，这些传统的医学图像分割方法往往是基于个体的单模态图像。近些年来

  本文关键词：多模态肿瘤图像联合分割方法研究，由笔耕文化传播整理发布。