-----------------------------------------------------------------SUV 标准吸收值------------------------------------------------------------------
SUV(Standardized Uptake Value) 标准吸收值:描述的是18F—FDG在肿瘤组织与正常组织的摄取情况,SUV越高,恶性肿瘤的可能性越大。
SUV=(局部感兴趣区放射性活度(MBq/ml))/(注入放射性活度(MBq/ml)/体重(Kg))
肿瘤组织需要摄取更多的PET/CT示踪剂,而正常组织(除少数器官外)则摄取量较小
-----------------------------------------------------------------Ostu方法------------------------------------------------------------------
Ostu方法可以形象地理解为:求取直方图有两个峰值的图像中那两个峰值之间的低谷值 T
-----------------------------------------------------------------本文核心思想------------------------------------------------------------------
实验过程:
① 利用PET-CT图像中(SUV特性),结节区域的代谢相对活跃,相应的SUV高于其他非病变区域,根据此特征,构造一个 在PET图像中具有中心O和半径R的圆形模板。 然后,将其注册为CT图像作为肺结节ROI。
②自动阈值迭代:运用Ostuy阈值分割算法求解两组像素(组B(背景区域)和N(结节区域))阈值,从而分割出肺结节区域,然后利用(2)不断迭代求解出最佳阈值Ts。
然后依据Ts进行二值化处理。
③LBF主动轮廓模型进行趋近
④SUV信息熵来驱动不断变化的轮廓曲线,对于区域A和B,如果其中之一的SUV分布更均匀,则信息熵较大,相应的边缘引导函数较小,因此,不断变化的轮廓曲线应逐渐停止在该区域的边界处。 此时,可以很好地分割目标和背景。 相反,这表明该区域同时包含目标和背景,并且曲线应继续变形和位移,直到区域A和B中的SUV信息熵不变为止。即:能量函数值E(C)=0。
⑤能量泛函,运用基于SUV信息熵用边缘引导函数代替了高斯核函数。
⑥运用水平集方法,将原先相应的函数进行替换
主要包含两部分:
①局部二值拟合(LBF)模型;
②正电子发射断层扫描(PET-CT)图像中的标准摄取值(SUV);
局部二值拟合(LBF)模型是有效的主动轮廓模型之一,通过高斯核函数拟合局部灰度信息,从而改善了具有噪声和强度不均匀性的CT图像的分割结果。但是,在LBF模型中,仅凭CT图像的灰色特征无法获得精确的肺结节边缘,尤其是对于血管旁结节。此时,需要结合PET-CT。
PET-CT是一种将代谢功能成像和解剖结构成像相结合的诊断方法。在PET图像中,SUV可以准确反映病变组织的代谢信息。 SUV可以最大程度地消除血管和其他组织的影响,并准确分析肺结节。