基于ct图像的肾脏肿瘤识别关键技术研究

《基于ct图像的肾脏肿瘤识别关键技术研究》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、万方数据厦门大学学位论文原创性声明本人呈交的学位论文是本人在导师指导下，独立完成的研究成果。本人在论文写作中参考其他个人或集体已经发表的研究成果，均在文中以适当方式明确标明，并符合法律规范和《厦门大学研究生学术活动规范(试行)》。另外，该学位论文为(生物医学图像处理)课题(组)的研究成果，获得(国家自然科学基金61327001)课题(组)经费或实验室的资助，在(生物医学图像处理)实验室完成。(请在以上括号内填写课题或课题组负责人或实验室名称，未有此项声明内容的，可以不作特别声明。)栅凡摊弘‰)aI夸年∥月q一-日)aI夸年6月目厦『]大学学位论文著作权使用声日

2、月～煳煳万方数据本人同意厦门大学根据《中华人民共和国学位条例暂行实施办法》等规定保留和使用此学位论文，并向主管部门或其指定机构送交学位论文(包括纸质版和电子版)，允许学位论文进入厦门大学图书馆及其数据库被查阅、借阅。本人同意厦门大学将学位论文加入全国博士、硕士学位论文共建单位数据库进行检索，将学位论文的标题和摘要汇编出版，采用影印、缩印或者其它方式合理复制学位论文。本学位论文属于：()1．经厦门大学保密委员会审查核定的保密学位论文，于年月日解密，解密后适用上述授权。(√)2．不保密，适用上述授权。(请在以上相应括号内打“√”或填上相应内容。保密学位论文应是已经

3、厦门大学保密委员会审定过的学位论文，未经厦门大学保密委员会审定的学位论文均为公开学位论文。此声明栏不填写的，默认为公开学位论文，均适用上述授权。)饵无舌问日＼J●广剐午签月，II、，，虬‘明年声中a乙万方数据摘要肾脏肿瘤是泌尿外科临床常见病，其种类繁多，可分为良性和恶性两大类。其中，恶性肿瘤占绝大多数，约95％。通常，依靠B超或CT检查可基本明确肾脏肿瘤是良性肿瘤还是恶性肿瘤，但要明确肿瘤的具体类型则只能依靠肾脏活体组织检查方法(简称肾活检)。目前，基于CT图像的肿瘤研究算法都是基于病变的形态学变化的分析，而忽略了肿瘤CT图像的纹理特征。这些研究注重影像形态特

4、征分析，完全模仿医生诊断，对提高肾脏肿瘤定性诊断的准确率贡献有限。通过对各种类型的肾脏肿瘤CT图像分析发现：不同肿瘤的CT图像特征不仅仅只有形态的不同，它们的不同更多体现在图像灰度的变化以及纹理的不同。因此，本文对不同类型的肾脏肿瘤进行基于CT图像的纹理特征的分析，基于纹理特征来对肾脏肿瘤进行分类识别。本文对腹部CT图像进行分析，分割出肾脏及其肿瘤，自动识别良性与恶性肿瘤后，并进一步对。肾细胞癌、肾母细胞癌及。肾盂癌三类恶性肿瘤进行细分类，对肾囊肿与肾错构瘤两类良性肿瘤分类识别。探索一种无创的肾脏肿瘤检测方法，从而在减少肾脏肿瘤病人肾活检痛苦的同时为随后的手术

5、治疗、放射或药物治疗起到一定的指导作用。实验取得了令人较为满意的结果。论文的主要研究内容包括：1．提出了一种改进的区域生长算法分割肾脏，进一步提高了分割精度。医学图像分割一直是医学图像处理的难点和热点，是病变区域提取，体积计算以及实现三维重建的基础，在医学图像处理中具有十分重要的意义。在CT序列图像中，肾脏与肿瘤以及与其它周围器官的边界很模糊，传统的图像分割算法很难得到理想的分割效果。针对医学图像的这些特点，本文提出了一种基于直方图和局部相似性原理的区域生长算法。保证了肾脏区域内部的一致性，能够得到与人类视觉判断基本一致的有意义的区域分割。2．提出了一种基于肾

6、脏和肿瘤的纹理差异性的肾脏肿瘤的自动分割方法。肾脏肿瘤大小是衡量。肾脏肿瘤严重程度的一个基本准则，肾脏肿瘤分割的精万方数据摘要确程度对于肿瘤体积测量、治疗方案的制定，评估治疗效果都是一个重要的基础。因此，自动、快速且精确的分割肿瘤是医学图像处理领域的一个热点。然而，CT图像中肿瘤的形状极不规则性，加之CT图像中肿瘤与。肾脏灰度相似，导致肾脏肿瘤难以分割。针对这两个特点，本文提出-it提出一种建立在肾脏分割基础上的肿瘤分割技术，依据肾脏肿瘤和肾脏其它部分纹理的差异性确定肿瘤，取得了良好的效果。3．提出一种改进的MarchingCube算法并将其应用在医学图像微管

7、结构的重建，使得重建质量和速度得以提高。在医学图像重建时，传统的MC算法简单直接，得到的图像解析度也很高，但存在拓扑结构不一致导致具有二义性以及计算效率低，绘制速度慢两个特点。针对这两个不足之处，本文提出一种改进的MC算法，消除了传统MC算法中存在的二义性，并采用中点法代替MC算法中的线性插值，提高了计算效率。利用改进的MC算法重建医学图像微管结构时，有效地消除了传统MC算法的二义性引起的微管“断裂”现象，并提高了重建速度。4．从5类不同肾脏肿瘤病人的173张腹部CT图像中提取出27个纹理特征。对于医学图像而言，纹理是其重要特性，不同病变之间的细微差异，在图像

8、上都可通过不同的纹理体现出来。然而，目