肺结节图像的分析与识别

《肺结节图像的分析与识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、南方医科大学博士学位论文肺结节图像的分析与识别姓名：曹蕾申请学位级别：博士专业：生物医学工程指导教师：陈武凡20090405博士学位论文肺结节图像的分析与识别博士研究生：曹蕾指导教师：陈武凡教授摘要肺癌的发生率在癌症中位居第二，是世界上最主要的死亡原因之一，其早期表现多为肺结节，因此肺结节的检测与诊断对肺癌的早期诊治十分重要。另外，肺是转移瘤的好发脏器，转移瘤亦是常见的肺内恶性结节，因此鉴别转移瘤与良性结节对于指导临床进一步治疗也有重要意义。CT在肺结节的检出和定性中起着重要的作用，近年来，随着多层螺旋CT(Multi．SliceComputedTomogra

2、phy．MSCT)、高分辨CT(HighResolutionComputedTomography,HRCT)及低剂量胸部CT(LowDoseComputedTomography,LDCT)的应用，肺小结节与早期肺癌的检出率不断提高。为了降低肺结节漏检、错检的可能性，提高结节的检出率以及诊断的精确性，必须应用计算机图像处理技术对肺结节图像进行自动分析与识别，辅助放射科医师进行评价和诊断。实现肺结节自动分析与识别的关键技术是：肺结节分割、检测、诊断等一系列图像处理、分析和理解算法的研究和应用。由于医学图像具有：边缘模糊、灰度不均匀、个体差异大、伪影和噪声影响等特点

3、，因此相关的算法研究要达到灵敏度和精确度上的较高要求都有很大的难度。本文针对肺部CT图像的医学特征，在肺实质图像分割、疑似结节图像分析与提取、肺结节检测与诊断这几个方向上进行了深入研究和大量实验。本文的主要工作包括：1．肺实质CT图像快速优质分割为了提高肺结节检测与诊断的准确性，大多数的肺部CAD(ComputerAidedDiagnosis)方法都需要对图像进行预处理，即首先确定双肺的边界，这个步骤称为“肺实质分割(1ungsegmentation)"。在肺实质分割的过程中，由于左、右肺前内侧之间的纵隔区比较狭窄，当存在部分容积效应现象时，这个区域与肺区的对

4、比度往往很低，造成左右肺区不能被成功分割。本文根据胸部CT图像的影像学和解剖学特征，结合最佳阈值法、数学形态摘要学方法，对图像进行了粗分割；然后针对分割后经常出现的左右肺未完全分离的情况，提出了快速自适应的优化分割方法：应用基于部件分析的连接判断方法，快速的进行左右肺是否连接的判断；应用基于投影积分数据的自适应区域定位方法，快速的定位左右肺相连接的区域：应用对内外控制标记符进行自适应计算的分水岭分割算法，有效的进行再分割。2．肺部结节图像的自适应形态分割肺结节的自动分割是准确提取结节特征的前提。肺结节的主要分割依据是：结节中心具有较高CT值，而结节的边界是不规

5、则的闭合或半闭合曲线。由于缺乏金标准，相关肺结节分割方法的比较和评价非常困难，而大多数方法存在的问题都是：所建立的模型不能适用于所有类型的结节，特别是邻近血管、气管、胸膜的结节和形状不规则以及表现为有“晕征"的结节。本文进行肺结节自动分割的思路是：结合多种算法的优点进行分割。首先，应用FCM(FuzzyC．Means)方法对肺实质图像进行快速分割，获得候选结节的基本位置特征，然后应用基于对比度和梯度的区域增长算法，对每个候选结节进行精细分割，获得候选结节的基本图像，最后，判断候选结节是否与胸膜相连和与血管相连，分别应用“圆切法"和“吹球法”，实现了结节图像的自

6、适应优质分割。3．肺结节自动检测分类对肺结节进行评价的常规方法之一是：对其形态、大小、密度、强化模式及生长模式等特征进行综合分析判断。在不同类的结节中，孤立性大结节的识别准确率相对较高，而由于各种解剖结构和病理因素的影响，其它类型的肺结节检出率都不高，如与血管、气管、肺壁等组织连接的特殊形态的肺结节，直径小于5mm的微小结节，及带磨玻璃影的肺结节等。本文的肺结节自动检测方法是：首先分析和提取肺结节的基本灰度、形态和空间特征，如：灰度均值、灰度标准差、面积、半径、似圆度、矩形度等，测量和计算肺结节相关的特征值，应用线性判别分类函数(LinearDiscrimin

7、antAnalysis，LDA)对疑似结节进行初步分类，然后再应用径向梯度指数RGI等特征，对已分类结节进行假阳性筛除，提高肺结节的检测精度。4．肺结节自动良恶性鉴别识别和判断肺结节对于有经验的医师都是难题，遑论计算机系统，要改进识别的方法、提高诊断的准确率，都非常困难。目前，针对肺结节良恶性鉴别诊ll博士学位论文断的研究主要集中在各种机器学习方法，而由于肺结节特征数据的高维、非线性等特征，给这些方法带来了高维数灾难、线性模型失效等急待解决的问题。本文研究了解决有限样本集学习的支持向量机(SupportVectorMachines，SVM)分类思想，提出了应用

8、SVM进行肺结节良恶性分类的方法：考虑