基于CT影像的孤立性肺結(jié)節(jié)檢測關(guān)鍵技術(shù)研究.pdf

1、肺癌作為最常見的內(nèi)臟惡性腫瘤，是確診后存活率最低的癌癥，成為名副其實(shí)的癌癥中的第一殺手。孤立性肺結(jié)節(jié)是肺癌最常見、最重要影像表現(xiàn)。肺結(jié)節(jié)的檢測對(duì)肺癌的早期發(fā)現(xiàn)、早期診斷至關(guān)重要。為降低肺結(jié)節(jié)漏檢、誤檢的可能性，提高結(jié)節(jié)檢測的靈敏度、特異度和診斷的準(zhǔn)確度，必須應(yīng)用計(jì)算機(jī)輔助診斷技術(shù)(Computer AidedDiagnosis，CAD)對(duì)肺結(jié)節(jié)圖像進(jìn)行自動(dòng)分析與識(shí)別，輔助放射科醫(yī)師進(jìn)行評(píng)價(jià)和診斷。
　　肺結(jié)節(jié)自動(dòng)檢測的關(guān)鍵技術(shù)主要

2、有分割、檢測等圖像處理、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)的研究和應(yīng)用。由于醫(yī)學(xué)圖像具有灰度不均勻、個(gè)體差異大、受偽影和噪聲影響等特點(diǎn)，肺結(jié)節(jié)檢測算法要達(dá)到較高的靈敏度和準(zhǔn)確度有很大的難度。本文針對(duì)肺部CT圖像的醫(yī)學(xué)特征，在肺實(shí)質(zhì)圖像分割、疑似結(jié)節(jié)檢測與特征提取、肺結(jié)節(jié)識(shí)別這幾個(gè)方向進(jìn)行了深入研究和大量實(shí)驗(yàn)。本文主要工作和創(chuàng)新點(diǎn)如下:
　　(1)肺實(shí)質(zhì)的快速精確分割
　　肺部CAD方法需要進(jìn)行肺實(shí)質(zhì)分割。本文根據(jù)胸部CT圖像的影像學(xué)和解剖學(xué)

3、特征，引入基于量子粒子群優(yōu)化的二維直方圖閾值分割算法結(jié)合3-D區(qū)域生長，通過分割背景及胸腔實(shí)現(xiàn)肺實(shí)質(zhì)分割，在保證肺實(shí)質(zhì)分割速度的前提下，提高分割精度。
　　(2)胸腔粘連肺結(jié)節(jié)檢測
　　當(dāng)胸腔存在粘連肺結(jié)節(jié)時(shí)，需要修復(fù)肺部輪廓并檢測粘連肺結(jié)節(jié)。提出基于行掃描曲率分析的粘連肺結(jié)節(jié)檢測算法，有效解決了肺實(shí)質(zhì)中高密度特征易丟失、邊緣肺結(jié)節(jié)易遺漏等問題;提出基于凸包和射線投影的粘連肺結(jié)節(jié)檢測算法，能精確檢測縱膈粘連肺結(jié)節(jié)，并修復(fù)受損

4、肺實(shí)質(zhì)輪廓。
　　(3)疑似肺結(jié)節(jié)的分割
　　疑似肺結(jié)節(jié)的自動(dòng)分割是準(zhǔn)確提取結(jié)節(jié)特征的前提。本文將疑似肺結(jié)節(jié)視為感興趣區(qū)域(Regions of Interest)，提出一種融合像素空間信息及帶特征權(quán)重的模糊C均值聚類算法實(shí)現(xiàn)感興趣區(qū)域分割，將空間信息引入模糊C均值聚類中，有效去除噪聲干擾;以圖像灰度直方圖為特征權(quán)重進(jìn)行聚類，提高聚類速度和分割精度。
　　(4)特征提取
　　基于肺結(jié)節(jié)的醫(yī)學(xué)征象及肺部疾病的病理基

5、礎(chǔ)，分析和提取肺結(jié)節(jié)的灰度、形態(tài)和紋理特征，測量和計(jì)算相關(guān)的特征值，從而實(shí)現(xiàn)對(duì)疑似肺結(jié)節(jié)區(qū)域的特征提取和量化。
　　(5)基于粗糙集的特征選擇
　　采用基于粗糙集的屬性約簡算法對(duì)肺結(jié)節(jié)特征選擇。粗糙集屬性約簡方法能有效地降低特征維度、刪除冗余特征，得到用于肺結(jié)節(jié)識(shí)別的重要特征。
　　(6)基于樣本屬性加權(quán)支持向量機(jī)肺結(jié)節(jié)識(shí)別
　　提出基于樣本屬性重要性加權(quán)支持向量機(jī)的肺結(jié)節(jié)識(shí)別的方法，利用粗糙集確定各屬性重要度作