基于CT影像的肺結(jié)節(jié)檢測與分割方法研究.pdf

1、肺癌是全球男性死亡率最高的癌癥，也是女性死亡率次高的癌癥。肺癌早期是以肺結(jié)節(jié)的形式表現(xiàn)的。CT掃描是早期檢測肺結(jié)節(jié)最有效的工具。計算機輔助檢測(ComputerAided Detection，CAD)系統(tǒng)能幫助放射科醫(yī)牛減少閱片時間，并提高檢測的準(zhǔn)確率。肺癌CAD有兩個主要功能：肺結(jié)節(jié)檢測和肺結(jié)節(jié)分割，其中，肺結(jié)節(jié)檢測包括候選結(jié)節(jié)提取和去假陽。本文首先分別對它們進行了綜述，分析現(xiàn)有方法的缺陷，并提出了解決方案，且取得了很好的效果。

2、>　　 第一，綜述結(jié)節(jié)檢測方法和結(jié)節(jié)分割方法。對現(xiàn)有方法進行分類型綜述，并分析出現(xiàn)有方法存在的待解決問題。
　　 第二，針對圓點濾波器(Dot Filter)不能提取候選毛玻璃型肺結(jié)節(jié)的問題，提出了一種基于自適應(yīng)非線性濾波器(Adaptive Nonlinear Filter，AN)和圓點濾波器相結(jié)合的候選毛玻璃型結(jié)節(jié)提取方法。對于23套CT影像（內(nèi)含有32個毛玻璃型結(jié)節(jié)）漏檢率為15.6％，平均每層影像5.5個假陽，平均每套

3、影像需要時間1.2分鐘。本文算法在所需運行時間、敏感性和特異性上都優(yōu)于現(xiàn)有方法。
　　 第三，針對圓點濾波器不能區(qū)分粘連血管型結(jié)節(jié)、血管交叉處和血管末梢處，從而造成假陽率高的問題，提出了兩種新特征和一種基于組合優(yōu)化方法（改進遺傳算法或分散搜索）和支持向量機(Support Vector Machine，SVM)相結(jié)合的肺結(jié)節(jié)檢測框架。首先建立特征選擇模型，然后用組合優(yōu)化方法和SVM對模型求解，求得的最優(yōu)特征組合結(jié)合SVM構(gòu)建分類

4、器。該分類器能保證低漏檢率的前提下，降低肺結(jié)節(jié)檢測的假陽率。用64套肺影像（內(nèi)含有136個結(jié)節(jié)和6253個假陽）測試分類器的性能，檢出110個結(jié)節(jié)，漏檢26個結(jié)節(jié)，共有96個假陽，最終效果為：敏感性80.9％，平均每套影像1.5個假陽。實驗結(jié)果表明，該框架和算法的敏感性和特異性都優(yōu)于Philips、Siemens、GE等產(chǎn)品。
　　 第四，針對應(yīng)用均值漂移(Mean-Shift)算法分割肺結(jié)節(jié)時，帶寬選擇范圍過長的問題，提出了一

5、種新的縮短帶寬選擇范圍的方法。應(yīng)用區(qū)域牛長和帶寬選擇定理確定初始帶寬參數(shù)，再利用多尺度空間濾波聚類理論的最穩(wěn)定尺度準(zhǔn)則確定最佳的自適應(yīng)帶寬參數(shù)。與基于統(tǒng)計分析規(guī)則的帶寬選擇方法相比，該方法時間復(fù)雜度低，且能得到符合實際問題的帶寬參數(shù)。該方法對毛玻璃型、粘連血管型、粘連肺壁型和孤立型肺結(jié)節(jié)（各向同性和各向異性），共18套CT影像病例內(nèi)含有36個結(jié)節(jié)（共95層結(jié)節(jié)影像），進行評估實驗，都取得了符合醫(yī)生金標(biāo)準(zhǔn)的分割結(jié)果。結(jié)果表明，該方法對分割

6、所有類型的肺結(jié)節(jié)都是有效的。
　　 第五，針對結(jié)節(jié)與血管相連且兩者CT值相近造成分割粘連血管型結(jié)節(jié)困難的問題，提出一種基于最大期望(Expectation Maximum，EM)的自適應(yīng)帶寬參數(shù)選擇方法，并采用Mean-Shift算法解決粘連血管型結(jié)節(jié)分割問題。與基于統(tǒng)計分析規(guī)則的帶寬選擇方法和基于迭代的帶寬選擇方法相比，該方法時間復(fù)雜度低，且能直接求得符合實際問題的正確的帶寬參數(shù)。利用血管流向特征方向分布服從正態(tài)分布，而結(jié)節(jié)的