LCC-Demons形变配准算法在自适应放疗中的应用研究

癌症患者在接受放疗过程中,体重以及肿瘤体积的变化等因素很可能导致靶区、危及器官OARs的解剖结构发生变化.传统的形变配准算法对于这种复杂大形变鲁棒性较弱,难以完成配准.针对上述情况,本文采用LCC-Demons形变配准算法对病人放疗计划中的CT图像进行配准,利用得到的形变场完成医生勾画信息映射.通过比较配准前后靶区与危及器官的DSC相似性系数(重叠度)与Hausdoff距离来评判配准算法精度,从而对配准质量作出评价.实验结果表明, LCC-Demons算法具有很好的棒性,对复杂的头颈部配准有很好的效果,对于自适应放疗具有重要意义.     

基于Canny算子和形态学滤波的焊缝图像背景去除技术

为了减少焊缝图像中焊道以外的冗余数据对缺陷检测造成影响,提出一种基于Canny算子和形态学滤波的焊缝X射线图像背景去除技术。原始焊缝图像使用中值滤波平滑后先通过Canny算子得到图像的粗略边缘,再使用数学形态学中的膨胀和细化使焊道边缘闭合。最后通过区域生长算法生成焊道区域灰度值为1,背景灰度值为0的二值化掩膜图像,该图像与原图像相与得到背景去除后的焊缝图像。实验结果表明,该算法处理后图像的轮廓纯净度和完整性都得到了较大的改进,前景边缘更加清晰,背景去除更加彻底,有效地避免了背景对焊缝检测的影响。