毛玻璃状结节CT图像的分割与重建算法研究

发布时间：2021-09-04 01:22

　　随着环境污染的加重,近年来肺癌的发病率不断上升,肺癌初期表现为肺结节,其中毛玻璃状肺结节的癌变率和死亡率要,远高于其他类肺结节。目前,CT已经成为了早期肺癌检测最为有效的医学检测手段,但由于科技的进步,医学影像切片的厚度越来越小,使得最终获得的切片数据量越来越大,大量的CT图像与人工诊断的准确率产生了矛盾,因此,对于毛玻璃状结节分割方法的研究已经成为国内外学家的研究热点。此外,计算机三维重建技术可以立体的显示结节的整体信息,方便医生对于后期治疗方案的规划。因此,对于毛玻璃状肺结节的分割与重建算法研究这一课题是非常具有意义的。本文提出了一种全自动的肺结节分割和重建方法,该方法首先对肺实质进行分割,以去除肺壁等结构对于后期肺结节分割结果的干扰,然后采取超像素和密度聚类相结合的方法对肺结节进行分割,最后对分割得到的序列图像进行三维重建,以此为肺结节的研究提供更多维的信息。主要研究内容如下:（1）肺实质的分割算法。为确保肺结节的准确分割,首先要将包括肺壁在内的干扰信息分割出去,得到完整地肺实质。本文提出了一种全自动的基于区域生长和模糊聚类的分割方法。该方法将区域生长法和模糊c均值聚类法相结合,... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图２．１?ＣＴ图像形成原理图??Ｆｉｇ．?２．１?ＣＴ?ｉｍａｇｅ?ｆｏｒｍａｔｉｏｎ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ??

?毛玻璃状结１节ＣＴ图像的分害ｉｊ与重建算法研究???—ｒ麟？??肺壁，??肺结节??：ｒ?Ｉ??麵—霸，??暴？．．．‘?．一?ｊ??图２．２?ＣＴ图像表征??Ｆｉｇ．?２．２?ＣＴ?ｉｍａｇｅ?ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ??根据结节在肺部区域图像中显示的形式不同，根据其密度，可以将结节分为以下三??类：??（１）实质性结节。实质性结节在图像中致密均匀，边界清楚，偶尔会出现一些小气泡??或空洞，通常情况下这种结节的变化很慢，甚至常年都没有变化。这种结节主要为良性??结节或者增生。??（２）部分实质性结节。该种结节通常内部为实质性结节，而边缘区呈现为毛玻璃状，??该类结节通常为浸润性的腺癌。??（３）毛玻璃状结节。该种结节在图像中表现为毛玻璃状暗影，密度大于肺实质而小于??血管。该类结节被诊断为恶性肿瘤的可能性极大，生长速度较快，生长方向不固定，而??且相对于其他类型的结节类圆度较低。??２．４?本章小结??本章主要介绍了?ＣＴ技术的历史、ＣＴ成像理论以及图像表征。通过对这几方面的??了解，可以在后续对于肺部图像进行更好的研究。??－１０－??

?大连海事大学专业学位硕士学位论文???３基于区域生长和直方图模糊聚类的肺实质分割??本章实现了前期预处理以及肺实质分割。该算法首先用中值滤波的方法对图像进行??去噪，然后将最大类间方差法和区域增长法相结合得到初始的肺实质轮廓，最后结合图??像的直方图信息，利用模糊ｃ均值聚类法得到了完整的肺实质，为后续的肺结节分割和??重建奠定了基矗??３．１预处理??ＣＴ影像在其成像和传输过程中，必然会产生一些噪声，这些噪声可能会对肺部图??像的处理产生影响，所以在对图像做处理之前要对其滤波，从而提高准确性。其中，ＣＴ??图像中的噪声大多以椒盐噪声的形式存在。??因中值滤波对去除椒盐噪声有较好较为理想，所以本文选择的去噪方法是中值滤??波，它的原理是使用一个采样结构组成的二维窗口，在原始图像上从左到右、从上到下??依次滑动，使窗口内所含的像素依据其灰度的大小排序，得到一个单调上升（或下降）??的像素数组，取数组的中值，将该值设为模版内中心像素的灰度值，从而消除孤立的噪??声点。这种方法能够在消除噪声点的同时有效保护图像边界。去噪前后的图像如图??３．ｌ（ａ）（ｂ）所示：??國??‘⑷原图１＇?；?‘（ｂ）去噪后‘??‘?１?：?图３．ｉ：?ｉ去噪前后图像?－：；－??Ｆｉｇ．?３．１?Ｂｅｆｏｒｅ?ａｎｄ?ａｆｔｅ；＊?ｉｍａｇｅ?ｄｅｎｏｉｓｉｎｇ??ｊ?‘?．?＊?＇：?＊．?Ｉ??３．２肺实质分割基本流程??－ｌｉ?－??


本文编号：3382266