一种基于SUV值和活动轮廓模型的肺癌识别方法

提出一种基于SUV（standard uptake values）和梯度向量流活动轮廓模型（GVF snake）的半自动识别PET（positron emission tomography）图像肺部肿瘤的方法。该方法结合了SUV值和活动轮廓模型提取病灶区域,提高了分割速度和精度。最后应用该方法对PET肺部区域进行了分割实验,实验结果表明该方法能准确分割肿瘤。

基于SUV值的智能肺癌识别

目的:提出一种新的智能识别肺部肿瘤(Positron Emission Tomography,PET)图像的方法,提高分割速度和精度。方法:先对标准摄取值(Standard Uptake Values,SUV)值进行非线性化以增强图像,然后用迭代法二值化图像,最后用连通标记法来识别肿瘤。结果:该方法分割效果好,速度快。结论:和传统分割方法相比较,该方法具有智能性,分割精度高,更适合于肺部肿瘤。