基于肺部高分辨率CT影像的肺結節(jié)識別方法研究.pdf

1、肺癌是全球死亡率最高的癌癥。雖然醫(yī)學診斷和治療水平不斷提高，肺癌的五年生存率也僅有15％，其原因是肺癌早期通常無癥狀，晚期發(fā)現者居多。早期發(fā)現、早期治療是提高肺癌預后的主要途徑。肺結節(jié)是肺癌的早期表現形式。CT掃描是目前肺癌篩選最有效的影像學方法，然而高分辨率CT掃描產生的大量醫(yī)學影像，直接導致醫(yī)生工作量劇增，從而增加漏診和誤診的幾率。肺癌計算機輔助檢測系統(tǒng)的研究旨在幫助醫(yī)生減少閱片時間，提高診斷準確率。肺結節(jié)的檢測是肺癌CAD系統(tǒng)中最

2、重要的功能之一，本文以高分辨率CT影像為研究對象，通過對肺癌CAD方案的分析，圍繞肺結節(jié)的識別，完成了如下有新意的工作:
　　(1)提出了一種基于多角度增強圖像分析的肺結節(jié)檢測方法。為充分利用圖像在三個方向上的投影信息，針對基于二維層片難以區(qū)分肺結節(jié)和肺血管橫斷面的問題，采用增強濾波器來分別獲取橫斷面、冠狀面和矢狀面的增強圖像，然后提取其相應特征，通過分別訓練支持向量機分類器獲得對應平面的最佳分類器，然后為綜合各像素在三個方向上的

3、判定結果，采用判定規(guī)則最終完成對肺結節(jié)區(qū)域的檢測。在含有33個肺結節(jié)的32套真實CT圖像數據中，敏感性為92.95％，假陽性率為1.04 FPs/slice，實驗結果表明該方法可以快速準確的對肺結節(jié)進行定位，且優(yōu)于僅依賴于橫斷面的二維檢測方法。
　　(2)針對在三維空間進行肺結節(jié)識別具有精度高的特點，提出了一種基于K-L變換和代價敏感支持向量機(Cost-Sensitive Support Vector Machines，CS-S

4、VM)的三維肺結節(jié)識別方法。三維肺結節(jié)的識別有賴于三維肺結節(jié)的準確分割，為解決三維肺結節(jié)候選區(qū)提取耗時的問題，首先進行肺實質分割，并采用基于閾值和數學形態(tài)學的方法得到分割感興趣區(qū)，然后采用三維圓點增強濾波器和形態(tài)學方法得到分割后的三維肺結節(jié)感興趣體(Volumes of Interest，VOIs);在降低假陽性階段，提取VOI的灰度特征、幾何特征以及Gabor濾波器特征，采用基于K-L變換的方法進行特征選擇，為解決樣本分布不均衡的問題

5、，引入CS-SVM分類器最終完成對三維肺結節(jié)的識別。實驗結果表明該方法可以對三維肺結節(jié)進行準確的識別。
　　(3)針對三維圓點增強方法在增強肺結節(jié)區(qū)域的同時產生大量假陽性的問題，提出了一種多尺度三維肺結節(jié)增強濾波器。首先采用多尺度自適應雙邊濾波器對原始肺實質區(qū)域進行降噪平滑操作，然后逐像素計算基于Hessian矩陣的特征值并得到預增強系數，通過計算增強密度指數并采用閾值法來最終完成對肺結節(jié)候選區(qū)的標識。實驗結果表明該三維肺結節(jié)增強

6、濾波器可以對肺結節(jié)區(qū)域進行準確的定位，在具有較高檢測敏感性的同時，產生較少的假陽性區(qū)域，為后續(xù)降低假陽性提供了更好的初始結果。
　　(4)從肺結節(jié)檢測過程中產生大量由肺血管導致的干擾區(qū)這一實際情況出發(fā)，提出了基于血管排除的降低檢測假陽性的方法。通過對肺血管區(qū)域形態(tài)進行分析并建模，設計了一種三維血管增強濾波器，該濾波器采用多尺度方法，可以對具有不同直徑的血管區(qū)域進行分割提取，最終通過將肺結節(jié)候選區(qū)域與分割得到的肺血管區(qū)域進行匹配來去