基于CT图像多维特征的肺结节检测和诊断方法研究

发布时间：2017-04-29 00:12

  本文关键词：基于CT图像多维特征的肺结节检测和诊断方法研究，由笔耕文化传播整理发布。

【摘要】：根据世界上各大癌症研究中心和卫生组织的调查显示,肺癌已经成为全世界致死率最高的第一大癌症。最有效地提高肺癌生存率的办法就是实现早发现、早诊断和早治疗,而胸腔CT扫描图像为这一目标的实现提供了可能。放射医师和临床医生通过对胸腔CT图像的视觉观察即可直观地发现和诊断肺癌。然而随着CT扫描技术的飞速发展,成像的分辨率越来越高,重建后的图像中可以被发现的肺结节体积越来越小,图像的数据量迅速增加,很显然只依靠视觉观察来发现肺结节是很困难的。另外,临床上对肺结节的良恶性诊断的金标准是活检,这是一种有创的诊断方法,会给受检者带来痛苦。为了辅助医生从CT图像中检测肺结节和实现无创的肺结节良恶性辅助诊断,计算机辅助检测(CADe)和计算机辅助诊断(CADx)系统应运而生。本文围绕这两个系统的方法研究中的关键点和难点进行了如下的研究工作： (1)本文对全世界最大的公共数据库LIDC-IDRI的1018套包含肺结节的胸腔CT扫描图像数据进行了深入的分析。按照放射专家提供的关于肺结节位置坐标和重要特征信息,提取出肺结节的图像数据作为CADe算法检测结果的参考标准和CADx算法诊断肺结节良恶性的输入,为后续实验提供大量的数据基础。据笔者所知,还没有其他的研究团队对LIDC-IDRI数据库中的所有数据做类似的分析和处理。 (2)在基于CT扫描图像的CADe主要算法的研究中,本文提出了一整套自动检测和提取肺结节(尤其是胸膜旁肺结节)的方法。首先基于两类VQ检测算法与形态学相结合的方法自动提取肺部区域模板,从而自动地提取整肺区域图像;其次基于四类VQ检测算法检测疑似肺结节区域；然后基于经验值对疑似肺结节进行初步地排除假阳性肺结节的处理；最后基于多特征的监督分类算法,对剩下的疑似肺结节进行进一步地排除假阳性肺结节的处理。通过与其他研究方法对肺结节检测的敏感度、假阳性率和速度结果的比较,验证了本文提出的自动检测和提取肺结节的方法具有更高的性能。 (3)在基于灰度图像的多维纹理特征研究肺结节良恶性分类的算法中,为了避免提取肺结节表面和形状特征等外部特征受到分割算法精确度的限制,本文重点研究了肺结节的内部结构特征(即纹理特征)对肺结节良恶性诊断的作用。首先对肺结节的灰度图像用三种常用的纹理特征提取算法进行二维纹理特征的提取,通过分类结果的对比,得出Haralick纹理特征的性能最优。然后本文基于二维Haralick纹理特征的计算原理,提出了三维Haralick纹理特征计算模型,对肺结节的三维纹理结构进行深入研究。最后基于不同类型的肺结节数据,将二维和三维Haralick纹理特征进行分类性能的对比,得出三维Haralick纹理特征比二维的更有优势。 (4)在研究纹理特征对肺结节良恶性分类的有效性过程中,本文还提出了基于多阶差分图像(梯度和曲率图像)的多维纹理特征进行肺结节良恶性分类的方法。通过对肺结节与不同组织连接的区域可能包含更多变化信息的假设,提出基于肺结节图像中突变结构的纹理特征进行肺结节良恶性诊断研究。同时分别对是否包含非确定良恶性肺结节的数据集进行实验,分别提取二维和三维纹理特征,通过多种不同特征组合的分类实验,得出当肺结节的多阶差分图像与灰度图像的相同维度纹理特征结合起来时,对肺结节的良恶性分类的性能有所提高。
【关键词】：胸腔CT图像 肺结节 LIDC-IDRI数据库 计算机辅助检测 计算机辅助诊断 多维纹理特征 多阶差分图像
【学位授予单位】：东北大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要5-7
• Abstract7-10
• 目录10-14
• 第1章 绪论14-26
• 1.1 研究背景和意义14-17
• 1.2 研究现状和存在问题17-21
• 1.2.1 研究现状17-19
• 1.2.2 存在问题19-21
• 1.3 研究目标和内容21-22
• 1.4 论文结构22-26
• 第2章 肺癌CAD实现方法的研究现状与进展26-44
• 2.1 计算机辅助肺结节检测算法26-30
• 2.1.1 整肺区域分割算法27-29
• 2.1.2 疑似结节检测算法29-30
• 2.1.3 假阳性降低算法30
• 2.2 计算机辅助肺结节良恶性诊断算法30-36
• 2.2.1 基于形态特征的辅助诊断算法31-33
• 2.2.2 基于生长速度的辅助诊断算法33
• 2.2.3 基于纹理特征的辅助诊断算法33-35
• 2.2.4 基于综合特征的辅助诊断算法35-36
• 2.3 评价标准和方法36-39
• 2.4 现有肺癌CAD算法性能概述39-42
• 2.5 本章小结42-44
• 第3章 肺结节金标准数据获取与分析44-54
• 3.1 LIDC-IDRI肺结节影像数据库44-46
• 3.2 本文实验所用肺结节数据的选取标准和信息统计方法46-47
• 3.3 基于专家经验轮廓的结节ROI区域自动提取方法47-52
• 3.3.1 经典的射线法理论48-49
• 3.3.2 改进的射线法提取闭合曲线内区域算法49-51
• 3.3.3 邻域搜索法提取结节边界51-52
• 3.4 基于模板对照的结节影像数据插值方法52-53
• 3.5 本章小结53-54
• 第4章 基于VQ算法和多特征的肺结节自动检测与提取研究54-78
• 4.1 VQ算法的基本理论55-58
• 4.2 基于VQ算法的肺部图像自动提取58-62
• 4.3 基于VQ算法的肺结节自动检测62-64
• 4.4 基于监督学习分类的肺结节提取64-68
• 4.4.1 基于经验值的假阳性结节过滤算法65-66
• 4.4.2 基于多特征的真假肺结节分类算法66-68
• 4.5 实验结果和分析68-77
• 4.5.1 基于PCA的特征提取算法的性能评估69-70
• 4.5.2 INCs检测和基于经验规则的过滤算法的性能评估70-72
• 4.5.3 通过多特征的SVM分类器降低假阳性率算法的性能评估72-74
• 4.5.4 对胸膜旁肺结节检测算法的整体性能评估74-75
• 4.5.5 与其它肺结节检测算法的性能比较75-77
• 4.6 本章小结77-78
• 第5章 基于灰度图像多维纹理特征的肺结节良恶性诊断方法研究78-104
• 5.1 二维纹理特征的理论基础79-87
• 5.1.1 二维Haralick纹理特征模型80-84
• 5.1.2 二维Gabor纹理特征模型84-85
• 5.1.3 二维LBP纹理特征模型85-87
• 5.2 基于主成分分析的LBP特征提取方法87-88
• 5.3 三维Haralick纹理特征模型与提取方法88-91
• 5.4 基于特征的肺结节良恶性诊断分类性能评估方法91
• 5.5 实验结果和分析91-103
• 5.5.1 基于不同层间隔的肺结节图像二维纹理特征的良恶性分析93-95
• 5.5.2 基于各向同性肺结节图像纹理特征的良恶性分析95-96
• 5.5.3 对不确定良恶性结节的纹理特征分析96-98
• 5.5.4 二维和三维Haralick纹理特征的诊断分类性能比较98-101
• 5.5.5 二维和三维Haralick纹理特征数据的降维分析101-103
• 5.6 本章小结103-104
• 第6章 基于多阶差分图像纹理特征的肺结节良恶性诊断方法研究104-116
• 6.1 二维梯度图像的计算方法104-105
• 6.2 二维曲率图像的计算方法105-106
• 6.3 基于多阶差分图像的多维纹理特征的计算方法106-108
• 6.4 基于不同特征的肺结节良恶性诊断分类实验结果和分析108-114
• 6.5 本章小结114-116
• 第7章 结论与展望116-120
• 7.1 本文的研究工作总结116-117
• 7.2 未来研究的展望117-120
• 参考文献120-130
• 致谢130-132
• 攻读学位期间发表的论文及科研工作132-136
• 作者简介136

【参考文献】

中国期刊全文数据库 前1条

1 苗春葆;;点与多边形关系的射线法[J];电脑编程技巧与维护;2008年03期

  本文关键词：基于CT图像多维特征的肺结节检测和诊断方法研究，，由笔耕文化传播整理发布。

本文编号：333848