基于肿瘤形状特征与点云方法的PET-CT多模态图像神经母细胞瘤分割

基于肿瘤形状特征与点云方法的PET-CT多模态图像神经母
细胞瘤分割
周维钦;王朝立;孙占全;陈素芸;李超;傅宏亮;刘晓虹
【期刊名称】《软件导刊》
【年(卷),期】2024(23)3
【摘要】通过智能学习方法对PET-CT图像进行肿瘤自动分割,是辅助医生制定诊疗计划的重要研究领域。

PET-CT图像兼具PET和CT两种模态优点,传统方法大多只简单的将两种模态的图像进行配准和融合后提取特征,忽略了神经母细胞瘤具有肿瘤边界轮廓不规则的特点。

为此,提出一种两阶段的自动分割框架结构模型。

首先,利用3D卷积神经网络定位肿瘤位置;然后在分割出的肿瘤区域附近生成多模态点云数据,并提取肿瘤的形状轮廓特征;最后,将两个网络提取的特征进行融合用来预测最终分割结果。

在自有数据集和公共数据集上,将所提模型与其他多模态方法进行比较实验,实验结果验证了所提模型的优越性与有效性。

以期为研究神经母细胞瘤分割的研究人员提供参考与借鉴。

【总页数】6页(P128-133)
【作者】周维钦;王朝立;孙占全;陈素芸;李超;傅宏亮;刘晓虹
【作者单位】上海理工大学光电信息与计算机工程学院;上海交通大学医学院附属新华医院核医学科;上海市第八人民医院放射科
【正文语种】中文
【中图分类】TP183
【相关文献】
1.基于颜色和形状特征的棉花害螨图像分割方法
2.基于SVM模型参数优化的多模态MRI图像肿瘤分割方法
3.基于层次聚类的多模态磁共振脑肿瘤图像的自动分割方法
4.一种基于超像素和改进U-net的多模态脑部肿瘤图像分割方法
5.基于改进U-Net的PET-CT双模态头颈部肿瘤分割
因版权原因，仅展示原文概要，查看原文内容请购买。