薄掃CT序列圖像的肺實質(zhì)分割和肺結(jié)節(jié)檢測方法研究.pdf

1、孤立性肺結(jié)節(jié)是大多數(shù)肺癌的早期呈現(xiàn)形式，在肺癌的早期診斷中，肺結(jié)節(jié)的檢出至關(guān)重要。隨著臨床對病灶區(qū)域成像的精度要求不斷提高，為了提高肺結(jié)節(jié)的檢出率，需要采用薄層掃描CT技術(shù)，可精確顯示人體微小的組織及各種原發(fā)病灶的結(jié)構(gòu)影像。在高分辨的薄層掃描下，CT影像數(shù)據(jù)會呈現(xiàn)爆炸式增長態(tài)勢，勢必增加醫(yī)生的工作量，導(dǎo)致發(fā)生誤診和漏診情況。計算機(jī)輔助檢測是利用圖像處理技術(shù)和醫(yī)學(xué)影像學(xué)診斷方法進(jìn)行醫(yī)學(xué)圖像中病灶區(qū)域的輔助檢測的，與人工閱片相比，能夠比較客

2、觀的進(jìn)行圖像分析，可以有效地實現(xiàn)肺結(jié)節(jié)的檢測，這不僅會減少醫(yī)師工作量提高診斷效率，也對提高肺癌患者生存率具有重要意義。因此，對肺結(jié)節(jié)計算機(jī)輔助檢測方法的研究是醫(yī)學(xué)影像學(xué)研究中的熱點。
　　肺實質(zhì)序列圖像的快速精確分割是后續(xù)肺結(jié)節(jié)檢測的基礎(chǔ)。針對以往肺部 CT序列圖像肺實質(zhì)分割算法中，肺頂部和肺底部圖像分割的不徹底性，序列圖像分割時效性低等問題，提出一個基于超像素和自生成神經(jīng)森林的肺實質(zhì)序列圖像分割方法。首先獲取肺部 CT序列 RO

3、I圖像，再對其進(jìn)行超像素序列圖像分割，得到超像素樣本，接著采用遺傳算法優(yōu)化的自生成神經(jīng)森林聚類算法對超像素樣本進(jìn)行聚類，最后根據(jù)聚類后的超像素集的灰度特征和位置特征識別分割肺實質(zhì)區(qū)域。實驗結(jié)果表明，該方法對能夠有效地實現(xiàn)肺實質(zhì)序列圖像的完整分割。
　　在二維CT圖像中，血管和結(jié)節(jié)都呈現(xiàn)類圓形，且密度和CT值等屬性都極為相似。在肺結(jié)節(jié)檢測結(jié)果中，往往會有很高的假陽性，影響肺結(jié)節(jié)的檢測準(zhǔn)確率。為此，本文提出了一種基于多尺度增強(qiáng)濾波器和

4、3D形狀特征的肺結(jié)節(jié)自動檢測方法。首先構(gòu)建了肺結(jié)節(jié)和血管的理想模型，然后利用Hessian矩陣構(gòu)建兩種基于3D形狀的多尺度增強(qiáng)濾波器，分別用于增強(qiáng)肺結(jié)節(jié)圖像和血管圖像，去除結(jié)節(jié)圖像中的大部分血管圖像，得到疑似結(jié)節(jié)圖像，接著提出了一種新的肺結(jié)節(jié)特征描述子法向量角度直方圖，并提取疑似結(jié)節(jié)的特征并用SVM分類器進(jìn)行肺結(jié)節(jié)的分類。實驗結(jié)果表明，本文方法可以有效地降低檢測結(jié)果的假陽性，提高肺結(jié)節(jié)檢測的準(zhǔn)確率。這也進(jìn)一步表明本文提出的肺結(jié)節(jié)特征描述