基于领域知识的肝脏CT图割模型研究

计算机辅助肝肿瘤诊断和治疗是现代医学的重要研究议题，将肝区从腹腔CT序列图像中提取出来并进行三维重建，可辅助医生在术前对病例的病变体进行多角度观察与分析，提高CT影像数据的利用价值和临床诊断的准确性。但由于肝脏CT图像数据量大、组织边界模糊甚至消失、同一病例内和不同病例间的肝脏结构和灰度分布存在差异等特点，使得肝脏图像分割成为医学图像处理领域内的经典难题，现有算法存在精度不高、鲁棒性不强等缺点，往往需要大量的预处理和人工修正。本项目以三维图割模型为基础，将领域知识引入图割模型能量函数，设计半监督分割模型来求解这一经典难题，从模型设计、理论分析、性能评估、综合测试等多个方面进行研究，形成基于领域知识的肝脏CT图割模型理论和方法，同时为此类图像分割问题提供准确可行的解决方案。项目选题是医学图像处理领域一个重要的基础性和难点性研究课题，在理论和应用方面都具有较高的研究价值。

计算机辅助肝肿瘤诊断和治疗是现代医学的重要研究议题，本项目以三维图割模型为基础，针对基于领域知识的能量函数设置、快速能量最小化实现方法、CT图像噪声处理、三维重建模型的阶梯效应和锯齿效应消除、体绘制传递函数设置方法、肝脏分段诠析与数字化解剖、算法分析综合实验平台开发等问题进行了深入的研究。项目执行期间，发表（或已录用）学术论文15篇，毕业论文6篇，小修/在投学术论文6篇，以及1份博士后研究工作报告。在总结项目研究成果的基础上，获得软件著作权1项，申请发明专利1项。基于mitk平台，开发了一个计算机辅助肝肿瘤诊断系统。培养了博士后1名，博士毕业生2名，硕士毕业生4名，本科毕业生1名，在读博士生2名，在读硕士生5名，在读本科生1名。