基于CT图像的肺实质分割和肺结节检测方法研究

发布时间：2020-12-16 03:27

　　肺癌目前是世界范围内患病率及死亡率最高的恶性肿瘤之一,早期肺癌的主要表现形式为肺结节,提高肺癌病人治愈率和生存期最好的方法就是早期检测,及时确诊。随着计算机断层扫描（CT）技术的不断发展,特别是螺旋成像技术的应用,一位测试者的扫描图像数量已经达到了400⁵00张。虽然更多层的肺部切片扫描图像能够提高肺结节的检出率,减少小结节的漏检,但是对大量CT图像的检阅可能造成放射科医生的主观误诊,这导致了后期治疗成本的增加。为了能够降低结节的误检和漏检,计算机辅助诊断（CAD）系统被应用于肺结节检测来帮助放射科医生进行诊断。在计算机辅助诊断系统中的两个关键技术分别是肺实质分割和肺结节检测。在医学领域,CT图像具有超高的分辨率所以能够清晰地观察到身体的各个器官。但是由于CT图像为灰阶图像,因此还具有组织边缘之间灰度模糊难以区分的特点,以及测试者、测试方式和测试环境等因素造成的样本间差异较大,噪声和伪影影响等特点。这些都造成辅助诊断系统中算法的泛化困难和精度难以提升。且结节为非正常组织,其特征复杂多变,对其进行检测往往需要设计更加复杂的算法。本文根据胸部CT图像特点和肺结节的医学... 

【文章来源】：南京邮电大学江苏省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

CT原图

大学专业学位硕士研究生学位论文 第三章 CT 图像的肺实质分割算法行图像像素值的与运算，便得到最终肺实质的分割图如图 3.7，但是经过膨胀运部边界的肋骨属于高亮度组织，在计算机辅助诊断中，会很容易被算法识别为钙对于像素值大于 210 的所有像素，像素值用 170 代替，便得到最终的肺实质如图验结果

行图像像素值的与运算，便得到最终肺实质的分割图如图 3.7，但是经过膨胀运部边界的肋骨属于高亮度组织，在计算机辅助诊断中，会很容易被算法识别为钙对于像素值大于 210 的所有像素，像素值用 170 代替，便得到最终的肺实质如图实验结果图 3.1 CT 原图 图 3.2 二值化

【参考文献】：
期刊论文
[1]基于卷积神经网络的胸片肺结节检测[J]. 朱国策,李朝锋.  传感器与微系统. 2017(12)
[2]计算机辅助检测系统在CT筛查肺结节中的应用研究[J]. 滕雅琴,贾文霄,王云玲,杨利霞,王红.  中国CT和MRI杂志. 2016(05)
[3]多阈值和标记分水岭相融合的肺部CT图像分割方法[J]. 肖雪,龚恒,陈钟.  激光杂志. 2014(09)
[4]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[5]结合规则和SVM方法的肺结节识别[J]. 张婧,李彬,田联房,陈萍,王立非.  华南理工大学学报(自然科学版). 2011(02)
[6]基于圆点滤波器的毛玻璃型肺结节检测[J]. 孙申申,范立南,任会之.  计算机工程. 2010(23)
[7]支气管肺癌介入治疗的新近进展[J]. 黄军祯,王大健.  微创医学. 2008(03)
[8]CT图像肺结节计算机辅助检测与分类系统设计(英文)[J]. 聂生东,郑斌,李雯.  系统仿真学报. 2007(05)



本文编号：2919442