咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >一种基于活动轮廓模型的PET-CT肺肿瘤分割方法 收藏

一种基于活动轮廓模型的PET-CT肺肿瘤分割方法

A PET-CT Lung Tumor Segmentation Method Based on Active Contour Model

作     者:宗静静 邱天爽 朱广文 ZONG Jingjing;QIU Tianshuang;ZHU Guangwen

作者机构:大连交通大学计算机与通信工程学院大连116028 大连理工大学电子信息与电气工程学部大连116024 大连医科大学附属第一医院核医学科大连116011 

出 版 物:《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期:2021年第43卷第12期

页      面:3496-3504页

核心收录:

学科分类:080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 081105[工学-导航、制导与控制] 080203[工学-机械设计及理论] 081001[工学-通信与信息系统] 0802[工学-机械工程] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基  金:国家自然科学基金(61671105) 辽宁省教育厅科学研究项目(JDL2020029) 

主  题:活动轮廓模型 肺肿瘤分割 变分水平集 最大似然比分类 

摘      要: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;L。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;L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。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分