基于密集特征匹配的胸片肺野自动分割和骨抑制方法研究

发布时间：2017-10-09 13:08

  本文关键词：基于密集特征匹配的胸片肺野自动分割和骨抑制方法研究

  更多相关文章： 局部特征 密集匹配 标号融合 肺野分割 骨抑制 胸片

【摘要】：随着工业化的快速发展,环境问题尤其是大气污染越来越严重,随之带来的是各种肺部疾病的发病率致死率的越来越高。常见的肺部疾病有：肺气肿、肺不张、肺实变、纤维化、钙化、肿块或结节、肺癌、肺结核以及各种肺炎。其中肺癌已经成为了全球头号癌症杀手,且近年来肺癌的发病率在全球范围内仍呈持续上升的趋势,这一趋势在中国尤其明显。肺癌的发病率与人口老龄化、城市工业化、环境污染以及不健康的生活方式无不相关。其中,吸烟等不良生活方式是导致肺癌的重要因素之一。但是,肺癌其实可预防可控制的,如果出现经常性的胸痛、声音嘶哑、咳血等症状,或肺肩部有肩痛感、手指麻木、头痛呕吐等,则需尽早筛查,排除肺癌的可能性,做到早发现早治疗。此外,肺癌的早期影像学表现一般为肺结节,普通的数字X线胸片即可检出70-80%的微小肺结节。数字X线胸片由于价格低廉、快速便捷、辐射剂量低等特点,早已成为了肺部疾病健康筛查和早期确诊的首选影像检查技术。X线胸片在肺部疾病的检查方面已占到影像诊断领域的40%左右,足以证明X线胸片在影像诊断方面的应用价值。但是由于病人数量太多,且如果放射科医师单纯靠肉眼去寻找病灶,再根据经验进行下一步的分析判断确诊,这个过程是非常的耗时耗力的,势必造成工作效率低,病人积压排队时间长等问题。因此,随着计算机技术及医学图像处理技术的发展,临床上已经出现了计算机辅助诊断系统。由于医学图像的特殊性,如图像对比度差异小,相邻组织或器官的遮挡,成像条件不一致等因素,在进行疾病的分析诊断之前,需要进行一些前处理,特别是需要对病灶或关键器官进行自动分割。由于成像内容、方式及成像条件上的复杂性,如患者的个体差异性、局部体效应、运动或呼吸造成的伪影及噪音等,同一种分割方法对不同组织或病灶的分割不一定奏效。所以,X线胸片的肺野自动分割一直是医学图像分割领域的一个热门研究方向。其中针对X线胸片肺野的分割算法很多,如基于像素分类的、活动形状模型、非刚性配准等,肺野分割的准确度与运行速度也越来越高。但是仍然存在一些困难：在锁骨和肋骨窗的强边界,容易陷入局部最小值；肺肩部位以及周围器官的灰度影响；极小的胸膈角很难准确分割等。本文的主要研究内容包括：(1)基于特征密集匹配的胸片肺野自动分割。准确的胸片肺野自动分割是基于计算机辅助数肺部疾病诊断系统的重要前提。受启发于广泛用于自然图像分割的块匹配算法(PatchMatch),即对一幅图像中每一个图像块从另一幅图像中搜索出最相似的图像块,然后用相似图像块重建出输入图像。块匹配算法是一种简单高效的图像块匹配算法。利用图像的一致性,即相邻的块与它们的最近邻之间的位移向量可能是一样的,因此块匹配算法可以将最近邻场传播到相邻的区域。而且,在初始化随机匹配最近邻时,至少有一个图像块分配的近邻图像块是比较合理的这种可能性是比较大的。PatchMatch算法可分为三步：随机初始化、近邻场传播、随机搜索。随机初始化指的是对图像A中的每一个图像块都在图像B中随机地指定一个最近邻,得到初始最近邻场；近邻场传播可以把好的位移关系传到周围的区域,从而逐步优化最近邻场；随机搜索是指在传播后的近邻块为中心的窗口内再随机分配一个块作为近邻,再次优化了近邻,很大程度上避免了局部极小值的出现。本文的研究思路是,对于输入的待分割胸片,基于每个像素点提取密集SIFT描述子和图像块作为局部特征,采用密集匹配直接在整个参考胸片图像特征集合中快速搜索近邻；密集匹配分为受限的随机初始化、近邻场传播和受限的随机搜索三步,并数次迭代后两步。利用匹配得到的近邻场,提取标号图像块并进行加权,权重为匹配的相似度,最后重组为肺野的概率图,经阈值化处理即可得到肺野的分割。在公开的JSRT胸片图像数据集上进行测试,本文方法的Jaccard指标可达95.5%。利用局部特征的密集匹配和标号融合能取得准确性高且稳定的胸片肺野分割效果,并且优于当前最好的胸片肺野分割方法。(2)基于密集特征匹配的数字胸片虚拟双能减影。数字胸片双能减影是一种特殊的X线成像方法,可生成具有组织特性的图像。一般指的是利用高低两级千伏级电压在极短的时间内对同一患者进行两次曝光,得到两幅胸片图像,减影后可得到软组织像和骨像。两次曝光的时间间隔短,在患者深呼吸憋气后完成,有效避免了由于呼吸运动造成的运动伪影。目前已有研究表明,数字胸片双能减影技术较常规DR而言,对胸部各结构的显示效果更优,有助于提高肺部疾病的诊断,比如基于计算机辅助诊断的肺结节检测,侵润型肺结核的诊断,肋骨骨折的诊断等。然而,大部分常规X线机并不能够提供双能减影的功能,且由于球管和发生器等技术要求较高,只有少数厂家能够生产出具有双能减影功能的特殊X线机。此外,双能减影成像对病人的辐射剂量较常规DR要高一些。从技术与安全方面考虑,为了克服硬件技术难题及降低患者接受的辐射剂量,虚拟双能减影的概念及方法顺势被提出来了。本文的研究思路是：对于一个输入胸片,首先从数据库中检索出若干幅相似胸片及相应的双能减影的软组织像和骨像作为范例图像组；在输入胸片和范例图像组的胸片图像进行密集特征匹配,根据匹配后得到的输入胸片与范例胸片之间的近邻场,从范例胸片的真实软组织像与骨像中提取图像块,再通过标号融合的方法重建出输入胸片的软组织像与骨像,最终实现软组织像与骨像的分离。
【关键词】：局部特征 密集匹配 标号融合 肺野分割 骨抑制 胸片
【学位授予单位】：南方医科大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R816.4
【目录】：

• 摘要3-7
• ABSTRACT7-14
• 第一章 绪论14-21
• 1.1 胸片肺野分割及骨抑制的研究意义14-16
• 1.2 胸片肺野分割的研究现状16-19
• 1.3 胸片骨抑制的研究现状19-20
• 1.4 本文的主要研究内容20-21
• 第二章 基于密集特征匹配的胸片肺野自动分割21-35
• 2.1 引言21
• 2.2 材料21-22
• 2.3 方法22-29
• 2.3.1 方法的基本流程22-23
• 2.3.2 灰度归一化和空间对齐23
• 2.3.3 图像块匹配23-25
• 2.3.4 特征密集匹配与标号融合25-27
• 2.3.5 后处理：图割算法27-29
• 2.4 实验与结果29-33
• 2.5 讨论33-34
• 2.6 结论34-35
• 第三章 基于密集特征匹配的骨抑制方法研究35-53
• 3.1 引言35-38
• 3.2 相关工作38-40
• 3.2.1 骨抑制方法38-39
• 3.2.2 图像分解39-40
• 3.2.3 最近邻搜索40
• 3.3 方法40-48
• 3.3.1 算法的具体流程41-42
• 3.3.2 图像归一化42-44
• 3.3.3 特征提取44-46
• 3.3.4 PCA降维46-47
• 3.3.5 基于Bag-of-Words的检索47-48
• 3.4 实验48-50
• 3.4.1 实验数据48
• 3.4.2 评估参数48-49
• 3.4.3 检索方法及参数的影响49-50
• 3.5 结果50-51
• 3.6 讨论与结论51-53
• 第四章 总结与展望53-55
• 4.1 工作总结53-54
• 4.2 工作展望54-55
• 参考文献55-60
• 攻读学位期间成果60-61
• 致谢61-62

【相似文献】

中国期刊全文数据库 前10条

1 梁彬;;下肺野结核11例 X 线分析[J];广西医学;1982年05期

2 尹健,尹开雨,谭赞;下肺野结核的X线表现[J];湖南医学;1988年05期

3 张和武;下肺野结核[J];国外医学.呼吸系统分册;1988年01期

4 范开成;;低肺野结核[J];宁夏医学院学报;1988年04期

5 贾珍辉,王安民;下肺野结核X线误诊分析[J];临床荟萃;1998年23期

6 邓小梅,丁东杰,何权瀛;下肺野结核[J];北京医学;2000年06期

7 拓宽前,刘本刚,佟小兵,彭戈,魏立,吴鹏;“肺挫伤简易评分法”的临床应用[J];中华胸心血管外科杂志;2002年01期

8 章楙;孔av德;;上肺野f玣B性实岅浸od病变40例X}玧⒉榈姆治鯷J];人民军医;1955年12期

9 史久华;;下肺野结核[J];国外医学参考资料(内科学分册);1975年06期

10 蒋玉芬;杨明风;邬学俊;;14例下肺野结核误诊原因分析[J];人民军医;1986年11期

中国重要会议论文全文数据库 前5条

1 蒋清川;;68例下肺野结核的X线表现[A];全国医学影像技术学术会议（CMIT-2004）论文汇编[C];2004年

2 金人超;宋恩民;许向阳;刘金辉;杨聃;史英杰;杜柏林;;数字X线胸片中肺野矩形区域的自动测量与肺气肿诊断[A];中华医学会第十三届全国放射学大会论文汇编（下册）[C];2006年

3 汪卫东;;超声在X线不透明肺野中的诊断价值[A];庆祝中国超声诊断50年暨第十届全国超声医学学术会议论文汇编[C];2008年

4 黄国君;;肺癌一例追踪报道[A];第六次全国中西医结合影像学术研讨会论文专辑[C];2000年

5 卓欣运;蒋春祥;;单独右下肺野结核7例报[A];中国防痨杂志2003第25卷增刊——2003年中国防痨协会全国学术会议论文集[C];2003年

中国硕士学位论文全文数据库 前2条

1 佘广南;基于密集特征匹配的胸片肺野自动分割和骨抑制方法研究[D];南方医科大学;2016年

2 李鹏;X线胸片图像肺野分割算法研究[D];东北大学;2012年

，

本文编号：1000348