Rui Hao、Yan Qiang和Xiaofei Yan是本研究的主要作者，分别来自山西财经大学信息管理学院和太原理工大学计算机科学与技术学院。该研究于2018年1月8日发表在《Computational and Mathematical Methods in Medicine》期刊上，题为《Juxta-Vascular Pulmonary Nodule Segmentation in PET-CT Imaging Based on an LBF Active Contour Model with Information Entropy and Joint Vector》。

学术背景

本研究的主要科学领域是医学图像处理，特别是肺结节的自动分割。肺结节是肺癌早期诊断的重要标志，尤其是位于血管旁的肺结节（juxta-vascular pulmonary nodules），由于其与血管的紧密接触，传统的分割方法容易导致边缘泄漏（edge leakage），无法准确分割。因此，开发一种能够自动、准确分割这些结节的方法具有重要意义。现有的分割方法大多依赖于手动交互，难以实现自动化，且在处理血管干扰时效果不佳。为了解决这些问题，本研究提出了一种基于LBF（Local Binary Fitting）主动轮廓模型的新方法，结合了信息熵和联合向量，旨在提高分割的准确性和效率。

研究流程

本研究的工作流程主要包括以下几个步骤：

1. 初始轮廓的构建：首先，通过PET（正电子发射断层扫描）图像中的标准摄取值（SUV）提取肺结节的感兴趣区域（ROI）。然后，使用自动阈值迭代算法（automatic threshold iteration）粗略构建初始轮廓。这一步骤的目的是减少分割范围，提高后续处理的效率。

2. 信息熵和联合向量的计算：在PET-CT图像中，计算SUV信息熵和灰度联合向量，以驱动轮廓曲线的演化。信息熵用于克服边缘泄漏问题，而联合向量则结合了PET和CT图像的灰度信息，提高了分割的准确性。

3. 轮廓曲线的演化：基于改进的LBF主动轮廓模型，轮廓曲线在信息熵和联合向量的驱动下向肺结节边缘演化，直到达到准确的边界。该模型通过最小化能量函数来实现轮廓曲线的演化，确保分割结果的准确性。

4. 性能评估：为了验证所提方法的有效性，研究使用了392名患者的PET-CT图像，其中包含814个血管旁肺结节。通过Dice相似系数（DSC）、Hausdorff距离（HD）和假阳性率（FP）三个指标，将所提方法与现有的分割方法进行了对比。

主要结果

1. 初始轮廓构建：通过自动阈值迭代算法，成功构建了肺结节的初始轮廓，减少了手动交互的需求，提高了分割的自动化程度。

2. 信息熵和联合向量的应用：SUV信息熵和联合向量的引入有效克服了边缘泄漏问题，特别是在处理血管干扰时表现优异。实验结果表明，所提方法在分割血管旁肺结节时具有较高的准确性。

3. 分割结果：所提方法的平均Dice相似系数达到92.35%，Hausdorff距离为2.19 mm，假阳性率为3.33%。与现有的LBF模型、血管修剪技术（VP）、二维射线投射和线性拟合算法（RCLF）以及流熵和测地距离方法（FEGD）相比，所提方法在分割准确性和稳定性上均表现出色。

4. 时间复杂性：虽然所提方法在处理时间上略高于LBF模型，但其在分割准确性和稳定性上的优势使其在实际应用中具有更高的价值。

结论

本研究提出了一种基于LBF主动轮廓模型的自动分割方法，结合了信息熵和联合向量，成功实现了血管旁肺结节的准确分割。该方法在分割准确性、稳定性和自动化程度上均优于现有方法，具有重要的科学价值和应用前景。通过结合PET和CT图像的代谢和结构信息，所提方法能够有效克服血管干扰，提高肺结节分割的准确性，为肺癌的早期诊断提供了有力的工具。

研究亮点

1. 创新性方法：本研究首次将信息熵和联合向量引入LBF主动轮廓模型，克服了传统方法在处理血管旁肺结节时的边缘泄漏问题。

2. 高准确性：所提方法在分割血管旁肺结节时表现出极高的准确性，平均Dice相似系数达到92.35%，假阳性率仅为3.33%。

3. 自动化程度高：通过自动阈值迭代算法，减少了手动交互的需求，提高了分割的自动化程度。

4. 广泛的应用前景：所提方法不仅适用于血管旁肺结节的分割，还可推广到其他类型的医学图像分割任务中，具有广泛的应用前景。

其他有价值的内容

本研究还详细讨论了所提方法的时间复杂性和优化方向。尽管所提方法在处理时间上略高于LBF模型，但其在分割准确性和稳定性上的优势使其在实际应用中具有更高的价值。未来的研究将重点优化信息熵的计算过程，以进一步减少处理时间。

本研究为血管旁肺结节的自动分割提供了一种高效、准确的方法，具有重要的科学价值和应用前景。