《基于图像块匹配和测地线活动轮廓模型的肿瘤自动检测算法》.pdfVIP

26卷6期 中国生物医学工程学报 V01．26No6 2007年12月 Ch／nese／ournd巧丑如删dk越西硒眦耐嘈 Decen血r2007 基于图像块匹配和测地线活动轮廓模型的肿瘤自动检测算法 王敏尤秦斌杰。 (上{每交通大学生物医学工程系，上海200240) AutomaticTumorDetectionBasedonBlock andGeodesic Matching ActiveContour WANGMin—You Bin—Jie’ QIN 【Depart,matofBiomedi“￡哼删昭，sJl喇JiaoTongUniversity，皿删200240) 摘要：提出一种基于图像块匹配和刮地线活动轮廓模型的肿瘤自动检测算法。给定肿瘤区域的术前图像和术 后(或术中)图像，首先通过刚性配准得到全局配准参数，然后将术前图像分割成太小适合的正方形区域，在术后 (或术中)图像中寻找与之匹配最好的区域，并得到各个分块对应的配准参数。根据分块配准和全局配准之间关系 的判央比较，得到肿瘤所在的区域，最后在此区域内利用测地线活动轮廓模型，获得较为准确的肿瘤初始轮廓。 美键词：肿瘤检测；图像配准；块匹配；测地线话动轮廓模型 words：tumor detection；image activecontour Key registration；blockmatching；geodesic 中围分类号R318硝立献标识码D 文章编号0258．802112007106．0951．04 病变图像进行配准识别肿瘤“】．或根据一系列的正 引言 常脑组织图谱集分别与病变图像进行配准，识别脑 在图像导向治疗中，术前医学图像与术中(或者 部异常区域，自动检测肿瘤”1。在临床中，术中或者 术后)图像的形变配准可以建立治疗区域周围的组 术后图像中通常已经缺失了肿瘤，统计学分析只能 织结构和术前医学图像的联系，也可以评价治疗效 针对术前的图像。然而，在术前和术中(或术后)图 果，而肿瘤检测可以为准确的形变配准提供一个重 像中大部分解剖结构之间的对应性为肿瘤自动分割 要参考，具有十分重要的意义。由于肿瘤形状大小 提供了另外～种可行性。 各异，生长复杂，不同模式图像有不同的灰度表现， 本研究提出了基于图像块匹配和测地线活动轮 难以实现自动分割。临床人工干预实现肿瘤的手动 廓模型的肿瘤自动检测算法。首先得到术前和术中 或者半自动分割，是一项耗时耗力的工作，这使得肿 (或术后)图像的全局刚性配准参数，然后对术前图 瘤自动分割也有着重要的意义。 像子块在术后(或术中)图像中寻找与之匹配的子块 传统的肿瘤自动检测方法可分为两类：一是基 区域，根据各个块匹配参数和全局配准参数的一致 of 于图像特征，根据聚类算法自动寻找肿瘤区域…；二 性差异确定肿瘤感兴趣区域(regioninterest。 是根据已知图像进行肿瘤检测训练，建立分割模 ROI)，最后在肿瘤区域内得到肿瘤的初始轮廓。 型”1，进而对给定图像进行自动检测。这两种方法