一种基于活动轮廓模型的PET-CT肺肿瘤分割方法
针对PET-CT肺肿瘤分割中存在的没有充分将医生临床经验融入到算法设计的问题,该文利用PET高斯分布先验,结合区域可伸缩拟合(RSF)模型和最大似然比分类(MLC)准则,提出一种基于变分水平集的混合活动轮廓模型RSF_ML.进一步,借鉴人工勾画肺肿瘤过程中融合图像的重要价值,提出了基于RSF_ML的PET-CT肺肿瘤融合图像分割方法.实验表明,所提出方法较好地实现了有代表性的非小细胞肺肿瘤(Non-Small Cell Lung Cancer,NSCLC)的精确分割,主客观结果优于对比方法,可为临床提供有效的计算机辅助分割结果.
活动轮廓模型;肺肿瘤分割;变分水平集;最大似然比分类
43
TN957.52;TP391.41
国家自然科学基金;辽宁省教育厅科学研究项目
2021-12-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
3496-3504