基于PET-CT的孤立性肺結(jié)節(jié)分割及分類(lèi)方法的研究.pdf

1、隨著胸部PET-CT圖像在臨床上的應(yīng)用越來(lái)越廣，PET-CT技術(shù)已經(jīng)成為醫(yī)生進(jìn)行肺部功能評(píng)估以及肺結(jié)節(jié)病理研究與診斷的重要手段之一。然而，PET-CT掃描會(huì)產(chǎn)生大量的圖像數(shù)據(jù)，直接增加醫(yī)生的工作量，帶來(lái)漏診率和誤診率的增加。計(jì)算機(jī)輔助診斷方法是結(jié)合計(jì)算機(jī)技術(shù)和影像學(xué)診斷方法進(jìn)行醫(yī)學(xué)圖像中病變的輔助檢測(cè)和診斷的，相對(duì)于主觀的、不穩(wěn)定的人工閱片，計(jì)算機(jī)相對(duì)客觀和一致的判斷能夠提高對(duì)病變檢測(cè)和診斷的敏感性和特異性。孤立性肺結(jié)節(jié)是大多數(shù)肺癌的早

2、期表現(xiàn)，盡早實(shí)現(xiàn)對(duì)孤立性肺結(jié)節(jié)的檢測(cè)與診斷是提高患者生存率的關(guān)鍵。因此，基于PET-CT胸片的孤立性肺結(jié)節(jié)計(jì)算機(jī)輔助診斷方法成為研究的熱點(diǎn)。
　　在基于醫(yī)學(xué)影像的肺部疾病計(jì)算機(jī)輔助診斷系統(tǒng)中，分割技術(shù)是實(shí)現(xiàn)孤立性肺結(jié)節(jié)檢測(cè)的基礎(chǔ)，分類(lèi)技術(shù)是實(shí)現(xiàn)肺結(jié)節(jié)良惡性診斷的關(guān)鍵，因此，本文的研究主要從肺結(jié)節(jié)的分割和分類(lèi)算法展開(kāi)。
　　在孤立性肺結(jié)節(jié)分割算法的研究方面，提出了一種基于子區(qū)域聚類(lèi)的肺結(jié)節(jié)分割方法，其中的聚類(lèi)算法是采用基于粒子

3、群優(yōu)化的自生成神經(jīng)網(wǎng)絡(luò)。該算法主要是針對(duì)含有磨玻璃、空泡等成分的非（亞）實(shí)性肺結(jié)節(jié)的分割問(wèn)題提出的，這一類(lèi)肺結(jié)節(jié)由于其內(nèi)部密度不均勻、邊界對(duì)比度不高，而在傳統(tǒng)的分割算法中分割效果不理想。本文提出的分割方法首先將圖像粗分割為小區(qū)域，然后基于CT特征采用智能尋優(yōu)的聚類(lèi)算法自適應(yīng)地進(jìn)行區(qū)域聚類(lèi)，最后基于PET特征實(shí)現(xiàn)目標(biāo)區(qū)域的檢測(cè)與分割。在臨床數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明，該算法對(duì)實(shí)性和非（亞）實(shí)性肺結(jié)節(jié)都能夠?qū)崿F(xiàn)完整分割。
　　在孤立性肺結(jié)節(jié)

4、分類(lèi)算法的研究中，首先提取和構(gòu)造了孤立性肺結(jié)節(jié)的特征數(shù)據(jù)集，然后基于自生成神經(jīng)網(wǎng)絡(luò)算法在解決聚類(lèi)和分類(lèi)問(wèn)題中的優(yōu)勢(shì)，構(gòu)建了一種基于混合優(yōu)化的自生成神經(jīng)網(wǎng)絡(luò)算法的分類(lèi)器，研究了其在孤立性肺結(jié)節(jié)的分類(lèi)應(yīng)用中的有效性。在分類(lèi)器訓(xùn)練過(guò)程中，設(shè)計(jì)了一種綜合剪枝優(yōu)化和M-L優(yōu)化的網(wǎng)絡(luò)優(yōu)化方法，有監(jiān)督地對(duì)分類(lèi)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行調(diào)整。在測(cè)試階段，采用基于類(lèi)中心距離和自動(dòng)連接距離的識(shí)別方法將病灶進(jìn)行良惡性分類(lèi)。在分類(lèi)數(shù)據(jù)集上的仿真實(shí)驗(yàn)結(jié)果表明，基于改進(jìn)自生成神