《PET圖像盲分割問題的理論和算法研究》是依託華中科技大學，由譚山擔任項目負責人的面上項目。
基本介紹
- 中文名：PET圖像盲分割問題的理論和算法研究
- 項目類別：面上項目
- 項目負責人：譚山
- 依託單位：華中科技大學
中文摘要,結題摘要,
中文摘要
PET成像正逐漸成為癌症早期診斷和治療的重要工具。存在明顯的部分容積效應且噪聲水平較高是PET成像的主要缺點。準確定位和分割PET圖像中的癌症病灶非常困難。本項目旨在深入剖析PET圖像分割問題的基本數學性質，研究PET圖像盲分割算法的設計原則。為此，本項目將建立癌症PET成像數學模型，研究模型性質，利用水平集方法刻畫部分容積效應對PET成像的影響，探求PET圖像分割問題與圖像盲解卷積問題的內在聯繫，設計不依賴於成像系統的PET圖像盲分割算法。本項目的研究將開闢PET圖像癌症定位和分割的新思路,克服現有理論和算法的局限，促進PET成像在癌症臨床早期診斷和治療中的套用。
結題摘要
本項目系統分析了PET成像中癌症病灶的性質和特點，重點研究了臨床放療中通過PET圖像對癌症病灶進行精準定位的問題。針對PET圖像存在部分容積效應的特點，建立了新的癌症PET成像數學模型。研究了部分容積效應對癌症病灶分割的影響，提出將PET圖像的分割問題與圖像的盲解卷積等經典的反問題統一進行研究的思路。通過這一思路，不僅圖像反問題研究中的豐富成果能被推廣到PET圖像分割，而且由此設計的PET 圖像“盲”分割算法也不依賴於PET成像系統本身的性質和參數。本項目的研究結果證明了這一思路的有效性。考慮到圖像復原和圖像分割具有相互促進的關係，我們將全變分半盲解卷積方法和Mumford–Shah (MS)分割方法集成到一個變分框架中，設計了可以同時實現PET圖像復原、癌症分割和PET系統的模糊核估計的變分模型。由於PET圖像中癌症邊緣的模糊特性，及癌症內部區域的光滑性和不均勻性，我們在變分模型中設計了自適應多重正則，即在癌症邊緣處使用具有邊緣保護能力的全變差（TV）正則，在非邊緣區域使用具有光滑性質的吉洪諾夫正則。利用PET圖像的背景強度變化相對較小的特點，我們提出了通過對PET圖像的背景區域在分割過程中的動態行為來定位PET圖像癌症病灶。此方法將癌症病灶的分割問題轉化為對背景強度密度的刻畫及分析，簡單易用，分割精度高且穩定性好，特別適用於臨床使用。另外，我們還利用PET/CT信息互補的特點，提出了癌症病灶多模聯合分割算法。這些算法充分考慮了PET、CT各自成像特點，實現優勢互補，提高了分割精度。我們還將深度學習引入了PET變分盲分割系統，進一步挖掘了機器學習在PET圖像分割中的潛力。本項目的研究開闢了PET 圖像癌症定位和分割的新思路，克服了現有理論和算法的局限，為PET 成像在癌症臨床早期診斷和治療中的套用提供了幫助。已取得的成果包括：(1) 發表國際期刊論文8篇，(2) 發表國際會議論文(報告)16篇，(3) 培養博士生2人，碩士生7人。
