一种用于肝脏肿瘤的时序图割图像分割方案

生物医学成像中的肿瘤检测对医学专业人员而言耗时且难免有误。因此在近几十年中，研究者利用统计建模、变分技术与机器学习等多种数学方法开发了图像处理算法技术。本文中，我们提出一种基于图割的半自动方法，将 2D CT 扫描的肝脏分割为表示健康、血管或肿瘤组织的三个标签。首先，我们以新颖方式为每个像素创建特征向量，由时序数据中的 59 个强度值组成，并在能量泛函中提出简化的周长代价项。我们对泛函中的数据项与周长项进行归一化，以加速图割而无需优化缩放参数 $\lambda$。以训练过程取代，基于专家放射科医师标识的样例区域计算预定组织均值。所提方法还具有计算上相对易于实现的优势。其在 10 个肿瘤的临床 CT 数据集上对照金标准评估，得到的分割平均 Dice 相似系数（DSC）为 .77、平均体积重叠误差（VOE）为 36.7%。平均处理时间为每切片 1.25 分钟。