PET/CT两模态医学图像融合PDF电子书下载

第一章 两模态医学图像融合研究现状 1

1.1多模态医学图像融合识别问题分析与描述 2

1.1.1融合识别 2

1.1.2融合识别优势 3

1.1.3融合识别类型 4

1.1.4融合识别结构 7

1.2 PET/CT医学影像融合识别研究进展 9

1.2.1 PET/CT图像融合发展现状 9

1.2.2 PET/CT图像融合的临床应用 11

1.2.3 PET/CT图像融合算法 14

1.3 PET/CT临床中应用情况 15

1.3.1资料来源 15

1.3.2 2028例PET/CT检查者年龄分布 16

1.3.3 2028例PET/CT检查者性别分布 17

1.3.4体检、复查患者数量 18

1.3.5恶性肿瘤疾病构成及顺位分析 18

1.4现阶段的主要问题和进一步的研究方向 19

1.4.1主要问题 19

1.4.2研究热点 20

1.5小结 20

第二章 基于双树复小波的像素级融合和图像融合质量的评价 21

2.1像素级图像融合算法 21

2.1.1基于空间域的融合算法 22

2.1.2基于变换域的融合方法 22

2.2基于双树复小波的像素级融合 23

2.2.1研究背景和意义 23

2.2.2双树复小波变换 24

2.3医学图像融合质量评价 29

2.3.1基于融合图像自身统计特性的评价指标 29

2.3.2基于融合图像与参考图像差异的评价指标 30

2.3.3基于融合图像与原图像差异的评价指标 31

2.4小结 32

第三章 基于双树复小波和自适应高斯隶属度函数的PET/CT融合算法 33

3.1模糊数学 34

3.2算法思想 34

3.3关键技术 35

3.3.1低频图像融合规则 35

3.3.2高频图像融合规则 36

3.4实验及结果分析 37

3.4.1实验一：与其他像素级融合算法的比较 37

3.4.2实验二：图像融合效果的客观评价 38

3.4.3实验三：双树复小波变换中不同融合规则的比较 40

3.5小结 40

第四章 基于DTCWT和组合隶属度函数的自适应PET/CT图像融合算法 41

4.1融合规则 41

4.1.1低频融合规则 41

4.1.2高频融合规则 41

4.2实验及结果分析 45

4.2.1实验一：与其他像素级融合算法的比较 45

4.2.2实验二：图像融合效果的客观评价 47

4.2.3实验三：32例非小细胞肺癌患者的PET图像和CT图像仿真实验 47

4.3小结 60

第五章 基于压缩感知和非下采样的PET/CT像素级融合 61

5.1研究背景和意义 61

5.2压缩感知理论发展现状 62

5.3基于压缩感知的医学图像融合 62

5.3.1压缩感知理论 62

5.3.2基于变换域的图像融合 67

5.3.3基于压缩感知的医学图像融合方法 69

5.3.4基于压缩感知的难点讨论 71

5.4小结 72

第六章 基于非下采样轮廓波变换和压缩感知的PET/CT融合算法 73

6.1基于非下采样轮廓波变换和压缩感知的PET/CT融合算法 73

6.1.1关键技术 73

6.1.2实验结果及分析 75

6.1.3小结 78

6.2基于压缩感知和NSCT-PCNN的PET/CT自适应融合算法 79

6.2.1脉冲耦合神经网络 79

6.2.2算法思想 80

6.2.3关键技术 80

6.2.4仿真实验及分析 81

6.3总结与展望 85

第七章 基于粗糙集的特征级融合肺结节检测算法 87

7.1绪论 87

7.1.1研究背景和意义 87

7.1.2肺结节检测研究现状 88

7.2肺结节检测基础知识 92

7.2.1肺部CT图像的特点 92

7.2.2特征级融合肺结节检测算法模型 93

7.2.3分类结果的评价指标 99

7.3基于空间分布的肺结节ROI分割 99

7.3.1基于空间分布的肺结节分类 100

7.3.2肺结节ROI分割算法思想 100

7.3.3肺实质分割实验 102

7.3.4肺结节分割实验 104

7.4基于粗糙集的特征级融合肺结节检测算法 107

7.4.1基于粗糙集的特征级融合肺结节检测算法思想 108

7.4.2构建新的三维特征 108

7.4.3特征提取及约简实验 110

7.4.4 SVM核函数优化实验 111

7.4.5算法的稳定性及有效性验证实验 111

7.5总结与展望 116

第八章 基于Rough Set的特征级融合PET/CT肺部肿瘤CAD模型 117

8.1 PET/ CT肺部肿瘤ROI区域特征及其提取 118

8.1.1形状特征 118

8.1.2灰度特征 118

8.1.3 Tamura纹理特征 118

8.1.4 GLCM纹理特征 119

8.1.5频域特征 120

8.2粗糙集 120

8.2.1基于遗传算法的知识约简方法 121

8.2.2基于属性重要度的启发式算法 122

8.3支持向量机 123

8.4基于Rough Set的特征级融合PET/CT肺部肿瘤CAD模型 123

8.4.1模型思想 123

8.4.2模型描述 125

8.5实验结果及分析 126

8.5.1实验环境与数据 126

8.5.2基于粗糙集的特征级融合 126

8.5.3肺部肿瘤PET/CT图像ROI特征提取举例 127

8.5.4基于粗糙集特征级融合前后有效性 128

8.5.5基于粗糙集特征级融合的有效性 130

8.6小结 130

第九章 基于集成SVM的肺部肿瘤PET/CT计算机辅助诊断模型 132

9.1集成学习 132

9.1.1集成学习定义 132

9.1.2集成学习有效性分析 132

9.1.3集成分类器的优点 134

9.1.4集成学习分类 135

9.1.5集成学习原理 135

9.2算法思想 138

9.3仿真实验 140

9.3.1实验环境与数据 140

9.3.2 CT、 PET和PET/CT肺部肿瘤特征 141

9.3.3肺部肿瘤CT、 PET、 PET/CT图像特征提取举例 143

9.3.4实验结果及分析 143

9.4小结 150

参考文献 151