肺部CT圖像ROIs的分割及肺結(jié)節(jié)檢測.pdf

1、肺癌仍是威脅人類生命健康的癌癥之一,對肺癌的早期檢測有利于提高肺癌患者的存活率。由于醫(yī)學(xué)CT圖像數(shù)據(jù)量大,若僅依賴醫(yī)生的主觀診斷,長時間工作引起的疲勞或其它因素,往往會造成漏診等情況發(fā)生。因此需要自動的肺結(jié)節(jié)檢測方案以幫助醫(yī)生提高工作效率,減輕工作強(qiáng)度。為實現(xiàn)肺結(jié)節(jié)的精確檢測,降低識別分類的假陽率,以及評估治療效果都需精確地分割肺結(jié)節(jié)。以計算機(jī)輔助診斷和療效評價系統(tǒng)為應(yīng)用背景,本文研究了肺 CT圖像中 ROIs的分割及對疑似結(jié)節(jié)的檢測。

2、
　　首先,將CT圖像的DICOM文件格式轉(zhuǎn)化為計算機(jī)方便處理的格式。對于預(yù)處理后的圖像,提出了基于最大類間方差(Otsu)的區(qū)域生長算法獲取肺實質(zhì),并利用SUSAN(Smallest UnivalueSegment Assimilating Nucleus)算子補(bǔ)償肺實質(zhì)。然后依據(jù)圖像的灰度分布情況,應(yīng)用基于高斯混合模型(GMM)及貝葉斯分類二值化分割肺實質(zhì)圖像以獲取初始的 ROIs。并通過將圖像劃分為大小相同的 patch,利

3、于自適應(yīng)閾值迭代算法初始化GMM的參數(shù),同時應(yīng)用EM算法對GMM進(jìn)行最優(yōu)參數(shù)估計。
　　其次,由于圖像背景和目標(biāo)對象的灰度差異,結(jié)合ROIs的初始形狀,提出了基于梯度信息的邊緣膨脹算法精確分割 ROIs。本文利用Sobel算子結(jié)合區(qū)域邊界的梯度信息,不斷進(jìn)行邊緣檢測定位,直到邊緣膨脹至ROIs的近似真實邊界。最后,基于精確分割的 ROIs,應(yīng)用圓形描述子對 ROIs進(jìn)行類圓形檢測,以檢測出疑似的肺結(jié)節(jié)。
　　本文應(yīng)用公用的L