您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览176 | 下载0

目的:研究基于水平集的稳健特征统计算法在脑部CT图像上自动勾画肿瘤轮廓的方法.方法:选取种子点,通过稳健统计量描述种子点及其周围点对象的特征,基于水平集算法进行轮廓演化,确定肿瘤的边界.运用C++语言编程处理图像,得到肿瘤的分割结果.选用正确率、体素相对差异率、对称位置表面距离的均方根、对称位置的平均表面距离等指标评价肿瘤分割结果与医生勾画结果的一致性.结果:19例脑瘤患者的CT图像进行肿瘤勾画,均能自动准确勾画肿瘤轮廓.平均正确率为0.92,体素相对差异率为0.12,对称位置表面距离的均方根为0.25 mm,对称位置的平均表面距离为0.49 mm,各评价指标均优于区域增长算法.结论:基于水平集稳健特征统计的分割算法,可以实现肿瘤轮廓的自动勾画,结果准确可靠.

作者:谷珊珊;张怀文;王运来

来源:中国医学物理学杂志 2016 年 33卷 1期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:176 | 下载:0
作者:
谷珊珊;张怀文;王运来
来源:
中国医学物理学杂志 2016 年 33卷 1期
标签:
放射治疗 脑肿瘤 CT图像 稳健特征统计 水平集算法 radiotherapy brain tumor CT images robust statistics level set algorithm
目的:研究基于水平集的稳健特征统计算法在脑部CT图像上自动勾画肿瘤轮廓的方法.方法:选取种子点,通过稳健统计量描述种子点及其周围点对象的特征,基于水平集算法进行轮廓演化,确定肿瘤的边界.运用C++语言编程处理图像,得到肿瘤的分割结果.选用正确率、体素相对差异率、对称位置表面距离的均方根、对称位置的平均表面距离等指标评价肿瘤分割结果与医生勾画结果的一致性.结果:19例脑瘤患者的CT图像进行肿瘤勾画,均能自动准确勾画肿瘤轮廓.平均正确率为0.92,体素相对差异率为0.12,对称位置表面距离的均方根为0.25 mm,对称位置的平均表面距离为0.49 mm,各评价指标均优于区域增长算法.结论:基于水平集稳健特征统计的分割算法,可以实现肿瘤轮廓的自动勾画,结果准确可靠.