面向多種醫(yī)學(xué)圖像的肺癌計算機輔助診斷關(guān)鍵技術(shù)研究.pdf

1、近年來，隨著新型數(shù)字化醫(yī)療成像設(shè)備的出現(xiàn)與普及，計算機應(yīng)用技術(shù)的快速發(fā)展，計算機輔助診斷(Computer-aided Diagnosis，CAD)已經(jīng)成為醫(yī)學(xué)影像學(xué)、計算機科學(xué)中重要的研究領(lǐng)域。計算機輔助診斷是利用計算機對數(shù)字醫(yī)學(xué)影像進(jìn)行分析處理，從而獲得對醫(yī)生的臨床診斷決策具有實際參考價值的輔助信息，減少放射科醫(yī)生的工作量及單獨閱片的疏漏。
　　本文以CT(Computed tomography)圖像與多投影相關(guān)圖像中的肺癌病

2、灶為研究對象，對CAD設(shè)計開發(fā)中的關(guān)鍵技術(shù)進(jìn)行研究。通過對肺部圖像數(shù)據(jù)庫聯(lián)盟(Lung ImageDatabase Consortium，LIDC)提供的85組CT圖像數(shù)據(jù)及美國杜克大學(xué)放射學(xué)系提供的59組多投影相關(guān)圖像進(jìn)行實驗，與目前已有的結(jié)節(jié)檢測算法相比，本文提出的方法取得更好的檢測結(jié)果。本文工作主要包括:
　　(1)基于有序均勻視點重構(gòu)(Sequential uniform viewpoint reformation，SUV

3、R)技術(shù)的CT圖像肺結(jié)節(jié)檢測算法
　　當(dāng)前已有的CAD算法只采用三維全局信息，忽略局部二維信息，產(chǎn)生過多的假陽性結(jié)節(jié)。據(jù)此，本文提出一種使用SUVR技術(shù)提取局部二維信息來檢測結(jié)節(jié)的CAD算法。該技術(shù)首先生成均勻分布在候選結(jié)節(jié)表面上的有序視點，接著將三維空間的候選結(jié)節(jié)分解為由所有有代表性視點產(chǎn)生的二維再生平面中的一組二維候選結(jié)節(jié)。由于結(jié)節(jié)在絕大多數(shù)視點平面中會呈現(xiàn)類圓形，而血管等假陽性結(jié)節(jié)在許多視點平面中總會呈現(xiàn)線形，所以使用“有效

4、”視點的平面可以很容易的區(qū)分結(jié)節(jié)與血管等假陽性結(jié)節(jié)?；赟UVR技術(shù)的結(jié)節(jié)檢測算法由候選結(jié)節(jié)的初始檢測、使用SUVR技術(shù)生成二維再生圖像、二維再生圖像中候選結(jié)節(jié)的分割、特征提取以及使用分段線性分類器除去假陽性結(jié)節(jié)五個模塊組成。實驗結(jié)果表明，基于SUVR技術(shù)的肺結(jié)節(jié)檢測算法能顯著提高CAD的檢測性能。
　　(2)利用局部和全局信息的高性能CT圖像肺結(jié)節(jié)檢測算法
　　本文提出利用局部二維信息和全局三維信息的高性能CT圖像肺結(jié)節(jié)檢

5、測算法，使用基于特征、檢測方法及檢測結(jié)果的五種算法來融合二維與三維信息?；谔卣魅诤系姆诸悪z測方法（1種方法）是指分類時同時使用二維、三維特征。基于檢測方法融合的分類檢測方法（2種方法）是指先使用二維（三維）特征分類檢測結(jié)節(jié)，在敏感性為85％時停止，再使用三維（二維）特征分類檢測結(jié)節(jié)?；跈z測結(jié)果融合的分類檢測方法（2種方法）是指分別使用二維、三維信息來分類檢測結(jié)節(jié)，對兩種檢測結(jié)果取交集或者并集。實驗結(jié)果表明，五種算法的檢測性能相近，都

6、明顯優(yōu)于僅使用局部二維信息或者全局三維信息獲得的結(jié)節(jié)檢測性能。
　　(3)結(jié)節(jié)分割性能與檢測性能關(guān)系的研究
　　首先，本文通過深入的理論分析獲得結(jié)節(jié)分割性能與檢測性能之間關(guān)系的兩個假設(shè)結(jié)論:當(dāng)檢測性能達(dá)到一定條件時，使用不同的算法分割結(jié)節(jié)，分割性能與檢測性能之間沒有明顯關(guān)系;使用同種算法，不同參數(shù)分割結(jié)節(jié)，分割性能與檢測性能之間存在近似線性關(guān)系。接著，使用基于經(jīng)驗閾值的分割算法、基于OTSU閾值的分割算法、基于模糊C均值聚類

7、的分割算法、基于高斯混合模型的分割算法、基于CV模型的分割算方法以及基于區(qū)域與邊界信息的活動輪廓模型的分割算法來進(jìn)行實驗。實驗結(jié)果驗證兩個假設(shè)結(jié)論的正確。這兩個結(jié)論的提出對今后肺結(jié)節(jié)檢測以及肺癌CAD的研究都有深遠(yuǎn)的指導(dǎo)意義。
　　(4)基于多投影相關(guān)圖像的肺結(jié)節(jié)檢測算法
　　本文提出基于多投影相關(guān)圖像的傳統(tǒng)CAD算法和融合CAD算法。傳統(tǒng)CAD算法由候選結(jié)節(jié)的初始檢測、基于動態(tài)規(guī)劃的候選結(jié)節(jié)分割、特征提取及使用分段線性分類

8、器除去假陽性結(jié)節(jié)四個模塊組成。傳統(tǒng)CAD算法將一組數(shù)據(jù)的多張投影圖像獨立對待，不考慮多張圖像之間的相關(guān)信息。而新穎的融合CAD算法是在已有的傳統(tǒng)CAD算法基礎(chǔ)上，添加候選結(jié)節(jié)的配準(zhǔn)及利用配準(zhǔn)后候選結(jié)節(jié)間的相關(guān)信息去除假陽性結(jié)節(jié)兩個模塊。由于同一結(jié)節(jié)在多張圖像中被檢測到的機率高，而同一假陽性結(jié)節(jié)在多張投影圖像中被檢測到的機率低，所以通過除去在三張投影圖像中被檢測到少于兩次的候選結(jié)節(jié)來實現(xiàn)減少假陽性結(jié)節(jié)的目的。實驗結(jié)果表明，與傳統(tǒng)的CAD算