基于灰度共生矩阵的医学pet图像纹理分析研究

《基于灰度共生矩阵的医学pet图像纹理分析研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于灰度共生矩阵的医学PET图像纹理分析研究摘要：本文主要研究基于灰度共生矩阵的纹理分析方法，提取医学PET图像肿瘤靶区的纹理特征，用于量化恶性肿瘤的异质性。Haralick等首先提出了灰度共生矩阵的概念，Veenland等应用纹理特征对图像进行分析。本论文基于灰度共生矩阵对医学PET图像进行纹理分析，通过算法计算得到肿瘤图像数字化信息，不仅丰富了图像信息，更利于分析恶性肿瘤的变化情况。中国8/vie　　关键词：PET图像；纹理分析；灰度共生矩阵　　中图分类号：TP18文献标识码：A：1009-3044（2017）05-0219-02　　Abstract：Inthispaper，a

2、inlystudythetextureanalysismethodbasedongraylevelco-occurrencematrix，andextractthetexturefeaturesoftumortargetinmedicalPETimage.Texturefeaturesareusedtoquantifytheheterogeneityofmalignanttumor.Haralicketalfirstproposedtheconceptofgrayco-occurrencematrix，Veenlandetalappliedtexturefeaturestoanal

3、yzetheimage.Inthispaper，thetextureofmedicalPETimagesisanalyzedbasedonthegraycovariancematrix.Thedigitalinformationoftumorimagesiscalculatedbythealgorithm，ageinformation，butalsoanalyzesthechangesofmalignanttumors.　　Keyage；TextureAnalysis；GrayLevelCo-occurrenceMatrix　　1概述　　理是物体所具有的一种特性，纹理包含物体的凹凸

4、程度、色彩和花纹等特性，不同的物体所具备的纹理特征不相同。不同的图像的纹理特征一般不同，所以，通过图像纹理分析可以对比同一物体不同时间点或者不同物体间的结构差异性，为我们进行差异性分析提供帮助。　　对于图像而言，如二维图像或三维图像在描述时更多的是通过文字性语言描绘，但不同人对同一文字内容的理解不同，这就造成了一个弊端，即没有一个标准来定性的描述图像。而纹理分析能解决这一弊端，纹理分析是指通过一系列算法提取出图像的特征，用数值的形式对图像进行定量定性分析[1]，具有客观性。现纹理分析已经广泛应用到图像检索、图像识别、图像数据分析等领域。　　正电子发射型计算机断层显像（Positro

5、nEmissionputedTomography，PET）是一种医学癌症诊断影像技术，和电子计算机断层扫描（CT）、磁共振成像（MRI）等影像技术一样可以帮助医生分析病人病情。相对于CT、MRI影像，PET图像能够在分子水平分析病灶病变情况[2]，能够先于器官形状发生变化前发现病状，达到早诊断的目的。　　灰度共生矩阵是基于灰度分布对图像分析，可以在区域和全局领域分析图像纹理特征。把灰度共生矩阵应用到医学图像上，可以提取肉眼无法发现的影像信息[3]、提供更多的病灶信息，对疾病诊断、鉴别诊断、病情判断提供帮助。　　本文通过灰度共生矩阵提取肺癌PET图像的多个纹理特征值，并对提取的纹理特

6、征值进行比较分析，为医生分析患者病情提供帮助，为研究患者病灶的差异性提供依据。　　2算法设计　　2.1算法框架　　本文算法流程图如图1，从PET图像拍摄，然后对图像进行一系列预处理：PET图像归一化、PET图像去噪、PET图像分割[4]，得到我们所需的标准图像，然后通过灰度共生矩阵的方法提供PET图像纹理特征值，最后对纹理特征值进行分析得出结论。　　2.2图像预处理　　2.2.1图像归一化去噪　　病人病变部位图像通过PET/CT机拍摄得到，由于不同PET图像采用的拍摄机灰度值等级可能不同，为了试验结果的准确性，需对图像灰度值进行归一化处理[5]。经过我们实验比较分析得到灰度值等级分

7、别为32、64、128时，对计算得到的纹理特征值并无明显差异，我们默认选择灰度级等级为64。由于PET图像拍摄过程中，会受到噪声的影响，对图像进行灰度级修正不仅能保证图像格式的统一，还能够减弱噪声对图像造成的影响。　　2.2.2图像分割　　将PET图像数据导入计划系统软件，临床医生依据患者病人对PET图像肿瘤感兴趣区域（靶区）进行勾画（如图2）所示用于后续的靶区分析和病人放疗治疗[6]。对勾画好的图像采用基于边缘特征的方法对图像进行分割[7]，分割出肿瘤的感兴趣区域。