基于改进的水平集的自动肿瘤区域分割方法
【技术领域】
[0001] 本发明涉及图像处理技术，特别涉及一种基于改进的水平集的自动肿瘤区域分割 方法。
【背景技术】
[0002] 宫颈癌是女性生殖器官最常见的H大恶性肿瘤之一，是危机女性生命W及影响生 活质量的主要恶性肿瘤之一，居于女性生殖器官恶性肿瘤第一位。根据世界卫生组织下属 的国际癌症研究机构（TheInternationalAgencyforResearchonCancer)2 月 3 日在 位于法国里昂的总部发表的2014世界癌症报告，宫颈癌2012年在全球的新发病例达到50 多万例，在女性恶性肿瘤中仅次于乳腺癌、直肠癌、肺癌，排第四位，同期宫颈癌导致的死亡 病例超过26万余人，致死率仅次于乳腺癌、肺癌、直肠癌，居女性癌症死亡率第四位。在欠 发达国家妇女中，宫颈癌是最常见的癌症。近年来，年轻妇女的宫颈癌的发病率有增高趋 势，成为年轻女性易患的H大主要癌症之一。我国是宫颈癌发病和死亡的大国，发病率和死 亡率均约占世界的H分之一。因此对于宫颈癌患者的准确诊断十分重要。正电子发射计 算机断层扫描（positronemissiontomography,阳T)和电子计算机断层扫描（Computed Tomography,CT)作为分子影像手段，是目前临床肿瘤领域常用的检测手段，利用PET/CT对 肿瘤进行定量分析可W为临床提供准确的诊断信息并辅助制定治疗方案。
[0003] 目前临床上最常用的定量分析的指标是标准摄取值（standarduptake value，SUV)，SUV等于病灶的放射性浓度（kBq/ml)除W注射剂量（MBq)再除W体重化g)， 其次肿瘤体积，即MTV值，也被证明可W预测肿瘤的复发及评估预后。但是该些定量指标 都依赖于肿瘤区域的准确勾画。此外在针对宫颈癌的放疗方案中，也依赖于祀向区域的准 确勾画。考虑到手工分割的低效和较高的主观性，自动准确的宫颈癌肿瘤分割是十分必要 的。但是，与其他肿瘤相比，宫颈癌肿瘤区域的勾画则面对更多挑战；一方面，由于肿瘤与宫 颈实质的衰减系数相同，因此在CT图像上难W准确分辨；另一方面，由于膀脫与宫颈的位 置十分靠近，而膀脫中的尿液的放射性活度大于或近似等于肿瘤的放射性活度，因此在PET 图像上也很难进行自动提取。
【发明内容】
[0004] 本发明提供一种基于改进的水平集的自动肿瘤区域分割方法，用于解决宫颈癌肿 瘤分割中难W自动区分肿瘤区域和膀脫区域的问题，W使用户可W快速准确的分割宫颈癌 肿瘤从而辅助外科医生进行诊断治疗及疗效评估。
[0005] 本发明基于改进的水平集的自动肿瘤区域分割方法包括：
[0006] 获取包含病变区域的待分割的原始PET图像并进行预处理和定位从而确定预处 理后的待分割病变区域PET图像；
[0007] 根据病变区域的CT图像和所述预处理后的待分割病变区域阳T图像构造超图，从 而初步确定所述PET图像中的粗略肿瘤区域为初始零水平集；
[0008] 对所述初始零水平集执行改进的水平集方法从而确定肿瘤区域；
[0009] 根据形态学运算对所述肿瘤区域执行边缘平滑处理。
[0010] 本发明的有益效果为：
[0011] 本发明提出了一种基于改进的水平集的自动肿瘤区域分割方法，解决了宫颈癌肿 瘤分割中难W自动区分肿瘤区域和膀脫区域的问题，使用户可W快速准确的分割宫颈癌肿 瘤从而辅助外科医生进行诊断治疗及疗效评估，本发明所述方法具有速度快，精度高，鲁棒 性强的优点，实验结果表明，本技术可W准确自动地勾画宫颈癌肿瘤，实现肿瘤和膀脫自动 区分，在临床诊断和治疗上具有重大的实用价值。
【附图说明】
[0012] 图1为本发明基于改进的水平集的自动肿瘤区域分割方法的流程图；
[0013] 图2为本发明基于改进的水平集的自动肿瘤区域分割方法中所述定位待分割病 变区域的示意图；
[0014] 图3为本发明基于改进的水平集的自动肿瘤区域分割方法中所述改进的水平集 方法迭代时的示意图；
[0015] 图4为应用本发明基于改进的水平集的自动肿瘤区域分割方法的3个典型的宫颈 癌数据中肿瘤区域的分割结果及金标准的示意图；
[0016] 图5为本发明基于改进的水平集的自动肿瘤区域分割方法的分割结果与金标准 在进行定量分析时的一致性示意图。
【具体实施方式】
[0017] 图1为本发明基于改进的水平集的自动肿瘤区域分割方法的流程图，如图1所示， 本发明基于改进的水平集的自动肿瘤区域分割方法包括：
[0018] S1、获取包含病变区域的待分割的原始PET图像并进行预处理和定位从而确定预 处理后的待分割病变区域PET图像；
[0019] 优选的，所述获取包含病变区域的待分割的原始PET图像并进行预处理和定位从 而确定预处理后的待分割病变区域阳T图像包括：
[0020] 对所述包含病变区域的待分割的原始阳T图像中的体素灰度值除W所注射的显 影剂剂量和病人体重W转换为SUV值，再进行高斯滤波和上采样，W使待分割的PET图像的 分辨率与CT图像相同，最后根据所述SUV值定位并确定预处理后的待分割病变区域阳T图 像。
[0021] 优选的，所述根据所述SUV值定位并确定预处理后的待分割病变区域PET图像包 括：
[0022] 预处理过程，包括：
[0023] 将PET图像每个体素的灰度值通过除W注射的18F-FDG的剂量及病人体重转化为 SUV值，再进行高斯滤波和上采样，使其分辨率与CT图像相同。同时，CT图像也进行相同的 局斯滤波；
[0024] 和定位过程，包括：
[00巧]计算包含病变区域的待分割的原始阳T图像中每个切片的SUV峰值（SUVpeak，表 示对应SUVmax也即最大SUV值的体素的26邻域内各体素的SUV值的平均值），选取脚部W上最大的SUV峰值的相邻两个最小SUV值之间对应的切片作为病变区域所在切片从而确定 预处理后的待分割病变区域PET图像。
[0026]S2、根据病变区域的CT图像和所述预处理后的待分割病变区域PET图像构造超 图，从而初步确定所述PET图像中的粗略肿瘤区域为初始零水平集；
[0027] 优选的，所述根据病变区域的CT图像和所述预处理后的待分割病变区域阳T图像 构造超图，从而初步确定所述PET图像中的粗略肿瘤区域为初始零水平集包括：
[0028] 对所述