头颈部肿瘤分子生物纹理分析与生物靶区自适应勾画

目的探讨头颈部肿瘤分子生物纹理分析和自适应生物靶区(BTV)勾画方法。方法根据肿瘤PET图像的标准摄取值(SUV)及其分子生物"方差"(VAR)纹理特征,提出一种改进的两阶段自适应三维体生长肿瘤BTV勾画方法:首先根据PET图像灰度共生矩阵,提取肿瘤分子生物VAR纹理特征;之后联合肿瘤生物VAR纹理特征,改进先前提出的两阶段自适应三维体生长方法,并进行头颈部肿瘤BTV的自适应勾画。结果鼻咽癌临床PET影像试验和应用结果表明,改进的两阶段自适应三维体生长方法能自适应地勾画鼻咽癌BTV,结果正确合理。结论改进的两阶段自适应三维体生长方法能够更精确地自适应勾画头颈部肿瘤。

集成非线性统计形状先验的M-S图像分割模型

为克服噪声污染、血管遮挡、光照不均匀、对比度小、个体间差异大等视网膜和视神经细微组织结构医学图像分割中固有的困难,提出了一种集成非线性形状先验的医学图像分割新方法.该方法首先采用非线性的核函数将目标先验形状窄带水平集映射到其核空间,然后在核空间进行主成分分析(PCA),以获取目标形状窄带水平集核空间的基底向量,并据此将目标形状先验知识集成到Mumford-Shah向量值图像分割模型,实现医学图像的分割.不同青光眼病人的视乳头图像分割实验结果表明,该方法能够有效地分割噪声大、对比度小且部分被血管遮挡的各阶段的青光眼病人视乳头图像.