基于胸部ct图像的肺结节检测算法的研究

《基于胸部ct图像的肺结节检测算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学位论文主要创新点IIIMIIIIIIIIIIIilIllUIIlY2518717一、论文在对肺结节CT图像特征分析的基础上，利用肺结节与血管、支气管等解剖结构的形态学差异，采用多尺度形态学滤波提取感兴趣区域(ROI)，有效的剔除与切片平行的线形血管、支气管的干扰。二、论文在候选结节的提取中，利用肺结节与血管、支气管的灰度上的差异，通过计算灰度熵的方法将与切片垂直的类圆形血管、支气管剔除。摘要近年来，肺癌成为对人类生命健康危害最大的恶性肿瘤之一。医学上对早期肺癌的诊断主要是利用医学影像的方法，包括X射线诊断和计算机

2、断层扫描(ComputedTomography，CT)诊断。CT诊断对肺癌的检出率明显高于X射线诊断，因而成为目前肺癌筛检最有效的影像学方法。肺癌在CT图像中是以肺结节的形式存在的，由于其形态各异、大小不一、分布位置不定、密度与肺部其他组织类似，单凭人眼很难进行肺结节的识别。另外，医生的诊断是一种主观的判断过程，在诊断过程中会受到自身经验、知识水平及外部条件的限制而产生阅片差异。计算机辅助检测和诊断针对实际临床需要，对CT图像进行自动分析，提示可疑肺结节的位置，提高诊断的精度。本文对肺结节、血管及支气管在CT图像上

3、的特征进行具体分析，根据其形态、灰度的差异，利用多尺度形态学滤波及灰度熵的算法对肺结节进行检测。主要工作如下：(1)根据肺结节在CT图像中的形态特征，构造三种形状大小各异的类圆形结构元素与肺实质图像进行开运算处理，将大于结构元素的类圆形区域保留，血管、支气管等线形区域剔除，提取感兴趣区域(RegionofInteresting，ROI)；为进一步消除假阳性，提高运算速度，根据肺结节与血管、支气管的灰度变化差异，利用图像的灰度熵加以区分，将与切片垂直的呈类圆形的血管、支气管等解剖结构剔除，提取候选结节。(2)特征选择

4、上综合考虑肺结节的灰度、形态、纹理等特征，选取灰度均值、灰度方差、面积、圆形度、傅里叶描述子、边界清晰程度因子作为特征，利用最近邻法分类器分类识别肺结节，并通过不同的特征数据组合对算法进行测试。实验结果表明，本文所提出的方法是有效、可行的。它在一定程度上解决了肺结节的计算机辅助诊断问题，并且具有较高的准确率和较低的假阳性率。关键词：计算机辅助检测：肺结节；多尺度形态学滤波；灰度熵AbstractInrecentyears，lungcancerisoneofthebiggestmalignanttumorswhich

5、haVemostdamagingtohumanlife．Themainmeanforthedetectionofearlylungcaneerisusingimagingmethodsinmedicaldiagnosis，includingX．raydiagnosisandCTdiagnosis，andforhigherdetectionrateofCTdiagnosis，thiskindofmethodgetmoreextensiveapplication．Lungcancermostcommonlymanife

6、stsaspulmonarynoduleswhicharevisibleonCTscans．Theyhavevariousshapes，differentsizes，uncertainlocationsandthegrayvaluesofpulmonarynodulesaresimilartothoseofbloodvesselsandbronchusinthelung．Itisdifficulttodistinguishthepulmonarynodulesandsofttissuesinthelungevenb

7、yexperienceddoctors．Inaddition，radiologists，diagnosisisalsoakindofsubjectivejudgmentprocess，SOinthisdiagnosisprocessthedoctorwillbelimitedbytheirownexperience，knowledgelevelandexternalconditionsandevenwiththesamedoctorwillalsoproducereadingdifferencestoasamesl

8、iceindifferenttimes．Accordingly，computerajdeddetectionanddiagnosis(CAD)isdeveloped，anditcananalyzeCTimagesoflungautomaticallyandpresentpulmonarynodulestohelpdoctormoreeffectivelyan