图像分割算法研究及其在肺结节分割中的应用

发布时间：2021-12-31 07:09

　　肺部CT图像中肺结节的分割是肺部计算机辅助检测中非常重要的步骤,肺结节的分割对于肺癌的诊断和治疗来说有着至关重要的作用。但是,由于肺结节在肺部CT图像中具有边界模糊性,使得肺结节的分割很难取得令人满意的效果。另外,在肺结节分割图像中存在伪结节问题,为了更好的辅助医生诊断,需要将肺结节分割图像中的伪结节去除。针对这些问题,本文对图像分割算法进行了深入研究,并将其应用于肺结节的分割,具体内容如下:针对肺结节在肺部CT图像中具有边界模糊性,本文对基于二次分割理论的图像分割算法进行研究,通过深入分析各种经典分割算法发现,在对目标与背景之间界限模糊的图像的分割以及图像的边缘提取方面,最大类间方差（OTSU）与最大熵（KSW）算法具有非常好的互补性,因此,本文在二次分割的理论基础上,将这两种算法相结合研究了两种改进算法:基于OTSU与KSW的二次分割算法和基于错分区域的二次分割算法。针对肺结节分割图像中的伪结节问题,本文对肺结节分割图像中的伪结节进行分析发现,这些伪结节由于灰度值与结节的灰度值相似而被错分为结节,采用传统的滤波处理方式并不能有效地将这些伪结节去除。为了解决这个问题,本文研究了一种基... 

【文章来源】：昆明理工大学云南省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

肺结节图像

第一章绪论5归为恶性，有些有毛刺的归为良性[36]。(2)结节大小肺结节的直径大小可以作为结节良恶性判断的独立危险因素，其直径越小，良性可能性越大，大部分直径<2.0cm的结节为良性[37]。（3）生长速度生长时间作为对肺结节进行分析的关键特征，通常情况下，恶性肿瘤呈指数生长，倍增时间明显低于良性病变[36]。另外，肺结节在肺部CT图像中有以下几个特点[38]：（1）肺结节的边界和形状模糊性（2）肺结节多样性（4）肺结节亮度不均匀性肺结节的在CT图像中的这些特点加大了肺结节分割的难度。1.3.2肺结节分类按照肺结节在肺实质内的形状及位置分布情况，可以将肺结节分成下面几类[39]:（1）空洞型肺结节：表现为中央黑色空洞。图1.2空洞型肺结节图像（2）磨玻璃型肺结节：表现形式为和背景具有较低的对比度，所以不容易发现此类肺结节，恶性程度非常大。

昆明理工大学硕士学位论文6图1.3磨玻璃型肺结节图像（3）孤立型肺结节：与肺部其他组织没有连接。图1.4孤立型肺结节图像（4）粘连肺壁型肺结节：与肺壁相连接。图1.5粘连肺壁型肺结节图像（5）血管粘连型肺结节：在肺实质内与血管相连，且与血管之间的对比度较低。

【参考文献】：
期刊论文
[1]结合小波能量和汉森形状指数的肺结节分割[J]. 冯宝,张绍荣,陈业航,李昌林,李智.  仪器仪表学报. 2018(11)
[2]基于ELM特征加权的孤立性肺结节识别[J]. 陈树越,黄萍,朱军,刘佳镔.  计算机工程与设计. 2018(10)
[3]一种结合GMM和活动轮廓的混合型图像分割方法[J]. 陈明,林益贤.  小型微型计算机系统. 2018(08)
[4]基于二次聚类的主动脉弓分割方法[J]. 陈中中,杨亚茹,张建飞,王倩倩,朱惠玉.  郑州大学学报(工学版). 2018(03)
[5]基于二次阈值分割的方向倒脚匹配工件识别[J]. 李博,陈燕,邹湘军,彭红星,谈建豪,蒋志林.  计算机工程与设计. 2016(03)
[6]基于类决策树分类的特征层融合识别算法[J]. 尚朝轩,王品,韩壮志,彭刚.  控制与决策. 2016(06)
[7]结合多尺度圆形滤波与MS聚类的疑似结节分割[J]. 魏颖,徐陆,李翔,李锐.  仪器仪表学报. 2016(01)
[8]基于灰度空间相关性最大类间方差的图像分割[J]. 贺建峰,符增,相艳,易三莉,崔锐.  计算机工程. 2015(11)
[9]改进局部自适应的快速FCM肺结节分割方法[J]. 刘慧,张彩明,邓凯,苏志远.  计算机辅助设计与图形学学报. 2014(10)
[10]孤立性肺结节的诊断进展[J]. 杨成念.  中国医药指南. 2014(03)

硕士论文
[1]基于有限混合模型的肺结节分割算法研究[D]. 赵趱.哈尔滨工业大学 2018
[2]基于CT图像的肺结节分割方法研究[D]. 王国明.长春工业大学 2017
[3]基于模糊C均值聚类和字典学习的肺结节分割[D]. 苏志远.山东财经大学 2016
[4]不规则形态肺结节的分割及毛刺检测研究[D]. 邢谦谦.南方医科大学 2015
[5]基于Otsu理论的图像分割算法的研究[D]. 倪麟.重庆大学 2013
[6]基于胸部CT图像肺结节分割算法研究与实现[D]. 司广磊.东北大学 2012



本文编号：3559837