肿瘤是当前威胁人类健康的主要杀手之一,它在我国死因调查中也是位居首位,但早期预防和明确诊断并且能够得到及时治疗将有效地提高肿瘤病人的生存率.目前,正是医学影像设备高速发展的时期,成像分辨率越来越高、成像速度越来越快,图象所包含的患者组织器官信息也越来越多;同时新的成像手段也不断推出,基于人体组织功能、代谢的成像手段也越来越完善,这一切为肿瘤计算机辅助诊治提供了良好的机遇,也带来挑战.医学定量影像学是当前科学研究中最具有挑战性的研究课题之一,其核心是对各种医学影像设备产生的医学影像数据进行定量分析,依据临床经验建立相应的物理、数学模型,借助计算机图象处理、人工智能和虚拟现实等技术从冗杂的影像数据中提取出最能体现肿瘤性质、类型的特征,并将其量化;然后,将反映肿瘤性质的各种特征量相互融合,并结合人的生理参数的测量数据,最终实现通过病变组织的影像表现进行病理分析和肿瘤成份含量的分析.本课题对医学定量影像学、肿瘤计算机辅助诊治系统框架作了有益的探讨;基于高分辨率的CT数据,对浸润性肿瘤的分割、三维肿瘤形态分析、三维肿瘤纹理分析、肿瘤的三维表面重建以及应用肿瘤的生长模型进行辅助诊断等领域进行了较深入的研究,具体包括:1.提出了一种融合肿瘤在PET图象上的功能代谢信息,在高分辨的CT图象上实现浸润性肿瘤自动分割的方法.2.对多参数优化方法进行了深入的研究,设计了两种新的优化方法.3.构造了四个表征肿瘤三维形态的特征量:反映肿瘤形状径向复杂性的矩特征、傅立叶特征和圆度特征;反映肿瘤形状轴向复杂性的轴向不规则度.将这四个特征量作为径向基神经网络的输入值以实现肿瘤的分类.4.提出了基于链码匹配技术的断层间复杂轮廓线三角片曲面重构算法.5.将基于灰度共生矩阵的纹理分析方法推广到三维空间,构造了融合了图象灰度、梯度、梯度夹角等信息的六维共生矩阵来描述瘤体的三维纹理特征来反映瘤体内部密度分布及结构变化.6.借助细胞自动机理论构建肿瘤的生长模型,使之虚拟仿真肿瘤各类型各部位肿瘤的生长过程,从而获得肿瘤的生长率指标;在此基础上提出了应用肿瘤生长模型辅助诊断肿瘤的系统框架,并作了初步的尝试.