一种基于视觉显著模型的PET图像快速分割算法

由于PET图像质量较低且灰度相近导致常用的分割算法不能兼顾分割效果与分割效率,提出了一种基于视觉显著模型的PET图像分割算法。首先使用优化的Itti视觉显著模型替代人工操作对PET图像进行快速识别,并将获得的显著图进行预处理,初始化前景区与背景区的高斯混合模型,最后使用优化的GrabCut算法对PET显著图进行分割获得结果。与其他两种算法相比实验结果表明,该算法在操作简易性、算法执行效率、结果准确性具有一定优势,分割时间提升超过30%,分割精度提升超过21%。

差分进化算法GVF Snake模型在PET图像分割中的应用

利用PET图像进行诊治时需要对人体病灶精确定位,PET图像中病灶目标区域的分割是早期诊断与治疗的前提和关键。基于传统Snake模型的方法在PET图像分割时存在对初始轮廓过于敏感,难以收敛到目标凹型区域等问题,为此将GVF Snake模型引入PET图像的分割中。为防止GVF Snake模型陷入局部最优,进一步利用差分进化(DE)算法的全局优化特性对GVF Snake模型分割的结果进行优化,提高PET图像分割精度。实验结果表明,该方法能有效地对PET图像中的病灶目标区域进行分割,可避免陷入局部最优且具有良好的实时性。

PET/CT图像分割技术在NSCLC患者放疗中的应用

目的探讨PET/CT图像分割技术在非小细胞肺癌(NSCLC)患者放疗中的应用价值。方法将2016年6月至2020年2月我院的NSCLC患者118例随机分为研究组与对照组,各59例,对照组行常规CT检查,根据所得影像手动分割癌灶靶区,研究组行PET/CT检查,根据所得影像分别用手动和计算机自动化程序分割癌灶靶区,对照组以CT手动分割图像制定放疗计划,研究组以PET/CT自动分割图像制定放疗计划,比较三种分割图像所得的靶区体积与两组正常组织放疗剂量分布,记录比较两组放疗后2个月内并发症的发生情况。结果研究组手动、自动分割靶区体积均明显小于对照组(P<0.05);研究组中,PET/CT图像手动分割与自动分割的靶区体积无明显差异(P>0.05);研究组正常组织放射剂量明显低于对照组(P<0.05);放疗后2个月内研究组并发症发生率明显低于对照组(P<0.05)。结论 PET/CT图像分割技术能提高NSCLC患者癌灶靶区的定位精度,降低放疗中正常组织受累剂量,减少放疗后相关并发症。