高分辨率CT图像的肺部病变计算机辅助诊断研究

发布时间：2020-03-30 12:29

【摘要】： 肺癌是导致癌症病人死亡率高的主要原因,对它进行早期诊断和早期治疗是提高患者生存率的主要手段。肺癌的早期症状一般以肺结节的形态出现,因此正确检测出肺结节,及早了解肺部病变情况,进而及时治疗,对挽救肺癌病人的生命具有重要意义。近几年,我国各大医院中多层螺旋CT的装机数量显著上升,它们能提供肺部高分辨率CT(High Resolution Computerized Tomography,HRCT)图像,可用来更好地评价肺组织中肺结节的界面以及结节的内部结构,为肺部疾病的正确诊断提供了强有力的工具。但是海量的CT数据在提供更加详细、更加准确的诊断信息的同时,也给读片医生增加了很重的工作负担,为了提高医生的诊断效率和减轻他们的劳动强度,计算机辅助诊断(Computer-AidedDiagnosis,CAD)系统应运而生。 要研究肺部病变的计算机辅助诊断,帮助医生诊断早期肺癌,首先必须面对和解决的问题就是胸部CT图像中肺结节的计算机自动检测。要实现肺结节的自动检测,需要涉及到图像分割中的一系列处理和分析方法。本文以HRCT数据为研究对象,以肺部病变的计算机自动检测为目标,对该领域的国内外研究现状作了广泛的调研,通过结合人体组织的解剖知识,对肺部病变检测及其相关的医学图像处理方法进行了深入的研究,完成了如下有新意的工作: (1)提出一种肺部区域自动分割算法。肺部分割结果的好坏将直接影响到后续处理的效率和效果。该算法针对CT图像中肺组织的灰度值与人体内部其他组织的灰度值有明显差异的特点,利用迭代计算求取最优分割阈值的方法,减小了阈值的选取对分割效果的影响。研究了相邻两个CT层面中气管/支气管位置的相互关系,利用前层图像中气管/支气管的位置自动地确定下层图像中气管/支气管区域生长的种子点,提出了气管/支气管的自动区域生长方法以去除气管/支气管区域对肺部边界提取的干扰。使用基于8-邻域搜索的边界跟踪算法来去除CT图像中的背景干扰和获取肺部区域的边界,避开了多次形态学操作,节省了处理时间,并且根据躯干和肺部边界的光滑性的特点,对8-邻域搜索策略进行改进来提高边界跟踪的速度。该算法可以快速、准确地完成CT图像中肺部区域的自动分割。 (2)早期肺癌一般以肺结节的形式出现,对CT图像中的肺结节进行增强可以提高肺结节检测的准确度。本论文在假设肺结节是球形、血管是圆柱形的基础上,提出一种基于相关矩阵的肺结节增强算法。首先根据Hessian矩阵特征值的正负,从一些灰度值比较大的像素点中筛选出要增强的点,然后计算需要增强的点的相关矩阵,利用该点相关矩阵的特征值的相互关系设计了肺结节增强滤波器。算法利用的是图像的一阶偏微分信息,能够在对肺结节进行有效增强的同时减小传统滤波器对噪声的敏感度。 (3)综合考虑二维检测速度较快和三维检测精度较高的特点,提出一种基于肺结节三维空间结构特征的肺结节检测算法。该算法首先在二维层片上使用灰度收敛指数滤波来产生候选肺结节,然后计算候选肺结节的三维特征来去除候选肺结节中的假阳性肺结节。收敛指数滤波能够快速地找到CT层片上的圆形和椭圆形区域,产生候选肺结节;充分利用结节的空间结构信息来去除假阳性肺结节,提高了检测精度。该算法在执行过程中不需要人机交互,具有较高的灵敏度和低假阳性。 (4)针对肺结节检测过程中因受血管影响而呈现的假阳性肺结节问题,提出一种基于血管剔除的肺结节检测算法。把血管的连续横断面看作具有二维高斯密度分布的管状体,设计了基于管状模型的血管检测滤波器,用它对候选肺结节做进一步筛选来降低假阳性率。所设计的血管检测滤波器还可以用于其他需要血管检测的场合。
【图文】：

CT值七闽值，，则p为躯干点，标记为mark--body;如果点p的CT值<阂值，且其八邻域中所有像素点的CT值<闭值，则p为非躯干点，标记为mark少onbody。图3.8显示了闭值分割前后的结果，其中图3.8(a)是阂值分割前的原始图像;图3.8(b)为闽值分割后的图像，黑色区域表示非躯干点，灰色区域表示躯干点，白色区域表示边界点。(a)原始图像(b)阂值分割图像图3.8闺值分割前后的结果

不同闭值分割结果
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2008
【分类号】：R816.4

【相似文献】

相关期刊论文 前10条

1 王媛;杨亚平;;主要舌图像分割方法特点浅析[J];中国中医药信息杂志;2011年05期

2 时贺;赵于前;王小芳;;交互式GACV模型的肿瘤图像分割[J];中国医学物理学杂志;2011年03期

3 万小萍;顾勇;;一种基于KPCA和形状先验知识的图像分割模型[J];中国生物医学工程学报;2011年04期

4 李杨;洪洋;;基于SOM-FCM算法的脑MR多参数图像分割[J];中国医学物理学杂志;2011年03期

5 税雪;刘奇;;基于区域生长超声图像分割血管边界反映血管病变[J];中国组织工程研究与临床康复;2011年30期

6 董硕;柳渊;李朋娟;严汉民;;基于VTK的磁源性影像三维可视化[J];生物医学工程与临床;2011年04期

7 郑冬梅;戴振东;弓娟琴;;青年与老年面部色度差异性研究初探[J];世界科学技术(中医药现代化);2011年02期

8 黄韫栀;刘奇;;基于VTK和ITK环境的超声图像三维重建[J];中国组织工程研究与临床康复;2011年35期

9 刘纪红;陶倚天;;以计算机数字图像处理和模式识别技术设计的烤瓷牙比色系统[J];中国组织工程研究与临床康复;2011年35期

10 吴雅琴;王晓东;吴晓萍;;利用Photoshop进行数字医学图像增强处理的实践[J];中国医学教育技术;2011年04期

相关会议论文 前10条

1 李国丽;邓娜;刘辉;;肺部CT片中肿瘤的分割方法研究[A];第十二届全国图象图形学学术会议论文集[C];2005年

2 梁栋华;张国英;于飞;;BOSA-Ⅰ矿石粒度图像分析仪的研究与应用[A];中国计量协会冶金分会2011年会论文集[C];2011年

3 薛笑荣;赵荣椿;张艳宁;段锋;苏爱民;;基于树型小波变换的SAR图像分割[A];信号与信息处理技术——第一届信号与信息处理联合学术会议论文集[C];2002年

4 黎明;周琳霞;杨小芹;;图像的进化计算分割法[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

5 周晖;赵珂;王润生;;基于数据属性驱动的高分辨率遥感图像自适应融合分割算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

6 韩立强;;基于图像分割技术的汽车发动机缸体表面缺陷检测[A];面向21世纪的科技进步与社会经济发展（下册）[C];1999年

7 曹永锋;孙洪;徐新;;基于盆地动力学的图像多级阈值化方法[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

8 陈明;;一种指纹图像分割方法[A];全国第16届计算机科学与技术应用（CACIS）学术会议论文集[C];2004年

9 饶洪辉;姬长英;;基于分水岭算法的绿色作物和背景分割[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第三分册[C];2005年

10 闫成新;范波涛;;基于梯度门限的图像过渡区提取与分割[A];中国图学新进展2007——第一届中国图学大会暨第十届华东六省一市工程图学学术年会论文集[C];2007年

相关重要报纸文章 前10条

1 本报记者 叶青 通讯员 粤科宣;病人家属也可操刀“做手术”[N];广东科技报;2011年

2 陈雪;康佳“第一屏”今年上“春晚”[N];中国证券报;2007年

3 ;“天下第一屏”落户深圳华侨城[N];消费日报;2006年

4 向良璧;断层图像处理分析技术取得重大成果[N];经济参考报;2003年

5 张兰华;数字化技术助力安防行业上台阶[N];光明日报;2006年

6 刘奕;康佳高起点挺进LED产业[N];中华工商时报;2006年

7 张兰华;数字化核心助力安防行业渐入佳境[N];科技日报;2006年

8 梁红兵;康佳视讯：进军LED灯饰及背光源行业[N];中国电子报;2008年

9 游雪晴;专家指出：不要炒作虚拟人[N];科技日报;2003年

10 安徽 云飞;VB中图像显示特效五例[N];电脑报;2001年

相关博士学位论文 前10条

1 张印辉;多尺度马尔可夫随机场图像分割方法研究[D];昆明理工大学;2010年

2 白小晶;基于偏微分方程的图像分割与配准研究[D];南京理工大学;2010年

3 陈志彬;非参数变形模型结合模糊技术的MRI图像分割[D];大连理工大学;2010年

4 高浩;粒子群算法及其在图像分割中的应用与研究[D];江南大学;2009年

5 周鲜成;基于微粒群算法的数字图像处理方法研究[D];中南大学;2008年

6 付晓薇;基于量子力学的图像处理方法研究[D];华中科技大学;2010年

7 李旭超;小波变换和马尔可夫随机场在图像降噪与分割中的应用研究[D];浙江大学;2006年

8 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

9 黄陈蓉;基于Gap统计的图像分割理论与算法研究[D];南京理工大学;2005年

10 李彬;基于模糊随机模型的磁共振脑部图像分割算法研究[D];第一军医大学;2007年

相关硕士学位论文 前10条

1 郑飞虎;肿瘤显微细胞图像分割技术研究[D];华东交通大学;2009年

2 严灵毓;基于半监督学习的图像分割系统的设计与实现[D];华中科技大学;2010年

3 宋晓峰;基于贝叶斯置信传播的图像分割方法研究[D];西安电子科技大学;2009年

4 葛秘蕾;基于云理论的图像分割技术研究[D];哈尔滨工程大学;2010年

5 陈浩;复杂藻类细胞图像分割技术研究[D];杭州电子科技大学;2009年

6 康朝红;基于支持向量机的X线图像分割技术研究[D];河北大学;2009年

7 萧湘;骨髓细胞图像分割方法研究[D];中南林业科技大学;2010年

8 尚金奎;基于粗糙集理论的图像分割方法研究[D];东北大学;2008年

9 胡媛媛;基于形态学的图像分割方法的研究与应用[D];昆明理工大学;2008年

10 蔺恒;基于人工免疫网络的图像分割[D];西安电子科技大学;2010年

本文编号：2607545