肺結節(jié)圖像的分析與識別.pdf

1、肺癌的發(fā)生率在癌癥中位居第二，是世界上最主要的死亡原因之一，其早期表現多為肺結節(jié)，因此肺結節(jié)的檢測與診斷對肺癌的早期診治十分重要。另外，肺是轉移瘤的好發(fā)臟器，轉移瘤亦是常見的肺內惡性結節(jié)，因此鑒別轉移瘤與良性結節(jié)對于指導臨床進一步治療也有重要意義。CT在肺結節(jié)的檢出和定性中起著重要的作用，近年來，隨著多層螺旋CT（Multi-Slice Computed Tomography，MSCT）、高分辨CT（High Resolution Co

2、mputed Tomography，HRCT）及低劑量胸部CT（Low Dose Computed Tomography，LDCT）的應用，肺小結節(jié)與早期肺癌的檢出率不斷提高。為了降低肺結節(jié)漏檢、錯檢的可能性，提高結節(jié)的檢出率以及診斷的精確性，必須應用計算機圖像處理技術對肺結節(jié)圖像進行自動分析與識別，輔助放射科醫(yī)師進行評價和診斷。 實現肺結節(jié)自動分析與識別的關鍵技術是：肺結節(jié)分割、檢測、診斷等一系列圖像處理、分析和理解算法的研究

3、和應用。由于醫(yī)學圖像具有：邊緣模糊、灰度不均勻、個體差異大、偽影和噪聲影響等特點，因此相關的算法研究要達到靈敏度和精確度上的較高要求都有很大的難度。本文針對肺部CT圖像的醫(yī)學特征，在肺實質圖像分割、疑似結節(jié)圖像分析與提取、肺結節(jié)檢測與診斷這幾個方向上進行了深入研究和大量實驗。本文的主要工作包括： 1.肺實質CT圖像快速優(yōu)質分割 為了提高肺結節(jié)檢測與診斷的準確性，大多數的肺部CAD（Computer Aided Diagn

4、osis）方法都需要對圖像進行預處理，即首先確定雙肺的邊界，這個步驟稱為“肺實質分割（lung segmentation）”。在肺實質分割的過程中，由于左、右肺前內側之間的縱隔區(qū)比較狹窄，當存在部分容積效應現象時，這個區(qū)域與肺區(qū)的對比度往往很低，造成左右肺區(qū)不能被成功分割。 本文根據胸部CT圖像的影像學和解剖學特征，結合最佳閾值法、數學形態(tài)學方法，對圖像進行了粗分割；然后針對分割后經常出現的左右肺未完全分離的情況，提出了快速自適

5、應的優(yōu)化分割方法：應用基于部件分析的連接判斷方法，快速的進行左右肺是否連接的判斷；應用基于投影積分數據的自適應區(qū)域定位方法，快速的定位左右肺相連接的區(qū)域：應用對內外控制標記符進行自適應計算的分水嶺分割算法，有效的進行再分割。 2.肺部結節(jié)圖像的自適應形態(tài)分割 肺結節(jié)的自動分割是準確提取結節(jié)特征的前提。肺結節(jié)的主要分割依據是：結節(jié)中心具有較高CT值，而結節(jié)的邊界是不規(guī)則的閉合或半閉合曲線。由于缺乏金標準，相關肺結節(jié)分割方法

6、的比較和評價非常困難，而大多數方法存在的問題都是：所建立的模型不能適用于所有類型的結節(jié)，特別是鄰近血管、氣管、胸膜的結節(jié)和形狀不規(guī)則以及表現為有“暈征”的結節(jié)。 本文進行肺結節(jié)自動分割的思路是：結合多種算法的優(yōu)點進行分割。首先，應用FCM（Fuzzy C-Means）方法對肺實質圖像進行快速分割，獲得候選結節(jié)的基本位置特征，然后應用基于對比度和梯度的區(qū)域增長算法，對每個候選結節(jié)進行精細分割，獲得候選結節(jié)的基本圖像，最后，判斷候選

7、結節(jié)是否與胸膜相連和與血管相連，分別應用“圓切法”和“吹球法”，實現了結節(jié)圖像的自適應優(yōu)質分割。 3.肺結節(jié)自動檢測分類 對肺結節(jié)進行評價的常規(guī)方法之一是：對其形態(tài)、大小、密度、強化模式及生長模式等特征進行綜合分析判斷。在不同類的結節(jié)中，孤立性大結節(jié)的識別準確率相對較高，而由于各種解剖結構和病理因素的影響，其它類型的肺結節(jié)檢出率都不高，如與血管、氣管、肺壁等組織連接的特殊形態(tài)的肺結節(jié)，直徑小于5mm的微小結節(jié)，及帶磨玻璃

8、影的肺結節(jié)等。 本文的肺結節(jié)自動檢測方法是：首先分析和提取肺結節(jié)的基本灰度、形態(tài)和空間特征，如：灰度均值、灰度標準差、面積、半徑、似圓度、矩形度等，測量和計算肺結節(jié)相關的特征值，應用線性判別分類函數（Linear Discriminant Analysis，LDA）對疑似結節(jié)進行初步分類，然后再應用徑向梯度指數RGI等特征，對已分類結節(jié)進行假陽性篩除，提高肺結節(jié)的檢測精度。 4.肺結節(jié)自動良惡性鑒別 識別和判斷肺

9、結節(jié)對于有經驗的醫(yī)師都是難題，遑論計算機系統(tǒng)，要改進識別的方法、提高診斷的準確率，都非常困難。目前，針對肺結節(jié)良惡性鑒別診斷的研究主要集中在各種機器學習方法，而由于肺結節(jié)特征數據的高維、非線性等特征，給這些方法帶來了高維數災難、線性模型失效等急待解決的問題。 本文研究了解決有限樣本集學習的支持向量機（Support Vector Machines，SVM）分類思想，提出了應用SVM進行肺結節(jié)良惡性分類的方法：考慮到線性不可分情況

10、，引入了松弛變量和懲罰因子進行SVM分類器訓練，實現了肺結節(jié)的良惡性初步診斷。 雖然本文在提高肺實質和肺結節(jié)的分割準確率、減少肺結節(jié)的假陽性診斷等方面獲得了一定的進展，但是仍有一些不足：（1）本文對肺結節(jié)CT圖像數據的采集和整理還不夠規(guī)范，未能形成一個數據規(guī)模足夠大、結節(jié)類型足夠完整的肺結節(jié)數據庫；（2）本文僅對孤立性肺結節(jié)和與血管或胸膜相連肺結節(jié)的分割進行了研究，而其他不規(guī)則結節(jié)的處理還有待下一步的工作；（3）本文對肺結節(jié)特征