近期，河南大学河南省应用数学中心庞志锋教授在PET肿瘤分割方面取得重要进展，相关成果以“An Automatic 3D PET Tumor Segmentation Framework Assisted by Geodesic Sequences”为题在国际期刊《IEEE Journal of Biomedical and Health Informatics 》发表。

PET图像中的肿瘤区域分割长期面临突出困难：一方面，PET图像空间分辨率较低、伪影较强，容易造成病灶真实边界偏移；另一方面，传统方法对空间结构信息利用不足，容易受噪声和灰度波动影响，而依赖CT等多模态信息的辅助分割又可能因PET与CT成像机理不同而产生失配，甚至引入误导信息。研究团队利用Eikonal方程构造测地线先验，提高肿瘤与背景的对比度并抑制噪声；同时设计自动标记策略，避免了对人工标注点的依赖。此外，该团队将PET图像、背景测地先验和测地序列共同输入三分支网络，并引入距离注意力机制以及融合空间正则项与局部强度拟合的STDLIF模块，实现了3D PET肿瘤区域的自动精确分割。

该成果由河南大学数学统计学院、中国科学院深圳先进技术研究院、广东省人民医院等单位合作完成。庞志锋教授在论文中担任共同通讯作者。

《IEEE Journal of Biomedical and Health Informatics》为聚焦信息与通信技术、数学方法及智能计算在医学、健康与生命科学中的前沿应用，是医学影像、健康数据分析与智能医疗交叉研究领域的国际权威期刊。文章链接：https://ieeexplore.ieee.org/document/11084792

文案：庞志峰

编辑：贺红磊

审核：肖运海