科创中国

本发明公开了一种CT图像中大面积粘连肺边界组织的肺肿瘤的分割方法。首先在含大肿瘤的肺CT图像中提取左右肺叶实质形状，构建输入形状；然后根据无肿瘤肺CT图像，利用稀疏相似形状线性组合模型构建先验形状；再在先验形状上选择形变曲线及其控制点，在输入形状上选择目标曲线及其控制点；利用曲线形变方法修正肺实质形状（即输入形状）上的连续性大误差，从而得到包含肿瘤在内的完整的肺实质轮廓，并进一步得到肺实质图像；最后，在肺实质图像上，使用区域生长方法分割肺肿瘤。

本发明的目的是提供一种CT图像中大面积粘连肺边界组织的肺肿瘤的分割方法，以解决现有方法针对肺部粘连型大肿瘤分割准确性差的问题。 本发明的目的是这样实现的： 一种CT图像中大面积粘连肺边界组织的肺肿瘤的分割方法，按如下步骤进行： S1、选取一帧肺部CT图像作为处理对象，其对应肺部CT扫描的一个切片层，并包含大面积粘连肺边界组织的肿瘤；记录该图像的层序号l，采用大津阈值方法分割左右肺叶实质，构建肺叶实质形状sl，简称输入形状；[0009] S2、收集N＝300～400组无肿瘤的肺CT图像序列，从各组中选择与步骤S1相似层次的肺CT图像为处理对象，采用大津阈值方法，获取各图像的左右肺叶的实质形状，简称肺实质形状；所有的肺实质形状组成一个数据库G；然后根据输入形状sl和数据库G，利用稀疏相似形状线性组合模型获取包含大肿瘤的肺实质轮廓先验形状，简称先验形状；

在医学方面有重要的应用价值，其主要表现在以下几个方面：

• 肺癌早期诊断：通过对肺肿瘤的分割，可以帮助医生更准确地评估肺部肿瘤的大小、形状和位置，从而提高肺癌的早期诊断率。
• 肿瘤治疗评估：分割得到的肺肿瘤图像可以用于评估肿瘤的治疗效果，如肿瘤大小、形状和位置的变化等。
• 手术规划：分割得到的肺肿瘤图像可以帮助医生进行手术规划，确定手术的最佳入路和手术方式，提高手术的成功率和安全性。
• 肿瘤复发监测：分割得到的肺肿瘤图像可以用于肿瘤复发的监测，及时发现肿瘤的复发和转移，帮助医生制定治疗方案。

综上所述，CT图像中大面积粘连肺边界组织的肺肿瘤分割方法在医学方面具有重要的应用前景，可以为肺癌的早期诊断、治疗评估、手术规划和复发监测提供重要的技术支持。

张欣，1966年9月出生，中共党员，教授，硕士研究生导师，中国计算机学会会员。其团队来自河北大学。河北大学（Hebei University），简称“河大”，坐落于河北省保定市，是教育部与河北省人民政府“部省合建”的重点综合性高校，也是河北省重点支持的国家一流大学建设一层次高校，“教育部留学出国人员培训与研究中心”试点高校；入选国家中西部高校综合实力提升工程、中西部高校基础能力建设工程、卓越工程师教育培养计划、卓越法律人才教育培养计划、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校。为中西部“一省一校”联盟成员，具有研究生院和推荐免试研究生资格高校。

与现有技术相比，此技术产生的效益如下：

根据步骤S3所确定的曲线和控制点，利用曲线形变方法修正输入形状上的连续性大误差，从而得到包含肿瘤在内的完整的肺实质轮廓；将肺实质轮廓线外围填充纯黑色，肺实质轮廓内部为肺实质的实际灰度值，这样所形成的图像称为肺实质图像；在肺实质图像上，通过直方图分析方法在肿瘤区域中选择生长点，使用区域生长方法分割肺肿瘤。可以广泛的用于医学操作上。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。