基于CT體數(shù)據(jù)的人體肺氣道樹數(shù)學模型建立.pdf

1、肺部疾病是人類健康的重要威脅，建立肺部疾病計算機輔助診斷(CAD)系統(tǒng)已成為當前的研究熱點。目前，有兩種不同的實現(xiàn)肺部疾病CAD系統(tǒng)的方案：傳統(tǒng)的異常依賴方案(ADA)和新興的正常依賴方案(NDA)。異常依賴方案關注于圖像目標中符合某種特定病變特征的區(qū)域，因此不能很好地應對臨床診斷中多種病變同時存在的情況。正常依賴方案則更加符合專業(yè)醫(yī)師的讀片方法和診斷思路，那就是先識別并排除圖像中的正常區(qū)域，然后對剩下的可能異常的區(qū)域進行精細分析。這樣

2、，多種病變的信息可以同時被保留下來，而不僅僅是某一種特定病變。鑒于這個原因，正常依賴方案已經(jīng)成為未來肺部疾病CAD系統(tǒng)研究的發(fā)展趨勢。
　　 本文遵循正常依賴方案的基本思想和原則，提出了一條新穎的構建人體肺部疾病CA)系統(tǒng)的技術路線，其基礎性工作是在計算機里建立一個反映正常人群影像學特征的肺部數(shù)字化參數(shù)集合。我們將注意力主要放在肺氣道參數(shù)上，因為肺氣道疾病是最嚴重的肺部疾病之一，而且我們的工作將顯示出肺氣道參數(shù)能夠從一定程度上反

3、映整個肺的情況。本文最終建立了一個包含豐富肺氣道參數(shù)的數(shù)學模型，并通過五個步驟來達成這一目標。在每個步驟中，都進行了深入的研究工作，取得了一定的成果。
　　 第1步：肺分割。肺分割是后續(xù)肺氣道分割的基礎。針對醫(yī)學圖像背景復雜、邊界模糊、局部不均勻等特點，提出使用相對模糊連接度作為幾何主動輪廓模型中曲線演化的驅動力，并從理論分析和實驗驗證兩個角度證明了其對于肺部圖像的適用性。本文方法在多目標圖像和復雜圖像的分割實驗中取得了良好的效

4、果，最終分割出了完整、正確的肺組織。
　　 第2步：氣道分割。氣道分割是整個模型建立的基礎，并直接決定著模型的性能。以普通分割方法的結果作為本文分割的基礎，采用氣道分割的一般性框架，對其中的分割、評價等模塊進行了改進。對于泄漏和細小氣道提取這兩大難題，提出了有針對性的策略。最終提取了10個層級中的104個氣道段(相當于手動分割數(shù)量的45％)，并完整保留了段支氣道以上的全部氣道信息。
　　 第3步：骨架提取。提取肺氣道樹的

5、單像素寬中心骨架是進行參數(shù)測算的必須環(huán)節(jié)，幾乎所有結構性參數(shù)的定義和測算方法都是基于氣道骨架而提出的。針對肺氣道樹骨架化的特定需求，綜合分析了常用的四類骨架提取算法，并最終選擇了層次性一般勢能場方法。整個骨架化過程被分為提取核心骨架(第一級)、加入細小分支(第二級)、連接末梢端點(第三級)這三個完整性逐漸增加的層級，其中第三級的結果即是最終結果。這種方法的骨架化效果在完整性上要優(yōu)于其他方法。
　　 第4步：參數(shù)測算。這是與建立數(shù)

6、學模型直接相關的步驟，所測算出的參數(shù)就是數(shù)學模型中的數(shù)據(jù)部分。整個肺氣道樹被解剖為整體、層級、段和層片四種結構，針對每種結構提取了一類參數(shù)。整體類參數(shù)有4種，層級類參數(shù)有4種(1()層級)，段類參數(shù)有5種(104段)，層片類參數(shù)有5種(1916層片)，因此總共提取了10144個肺氣道參數(shù)。部分參數(shù)與影像學事實和真實解剖值進行了對比，結果顯示這些測算結果是正確、可信的。
　　 第5步：模型建立。這是本文的最終目標。建立出的數(shù)學模型

7、由兩個部分組成：數(shù)據(jù)和操作。所有肺氣道參數(shù)數(shù)據(jù)存儲在具有五級結構的樹中。樹的每一級由一種類型的結構體組成，每種結構體分別存儲整體參數(shù)、層級參數(shù)、段參數(shù)、層片參數(shù)和體素參數(shù)。對數(shù)據(jù)的操作是模型的第二部分，是對參數(shù)進行計算、存儲、裝載、查詢、調(diào)用等的計算機算法。結構體中存有編碼和指針，用于參數(shù)的查詢和調(diào)用。在模型數(shù)據(jù)和模型操作的基礎上，給出了三個實際應用的解決方案，作為后續(xù)建立肺部疾病CAD系統(tǒng)的參考。
　　 總之，本文所構建出的人