基于语义属性分级的肺结节良恶性诊断研究

发布时间：2020-08-15 08:40

【摘要】：目前,肺癌的发生率和死亡率均上升为第一,对全人类的身体健康造成巨大威胁。肺癌的早期表现形式为肺结节,如果早期能够对肺结节良恶性进行判定,将大大提高患者的生存几率。本文将肺结节图像底层特征映射为高级语义属性,然后根据高级语义属性的预测值进行肺结节良恶性诊断,这种方法克服了图像底层特征与上层语义属性之间的“语义鸿沟”,可以更好地为医生临床诊断提供帮助。本文利用计算机技术,结合模式识别和机器学习相关方法构建肺结节良恶性诊断模型,争取为医生临床诊断提供“第二建议”,具体工作如下:(1)利用经典的区域生长算法对肺结节病灶区域进行分割,然后提取其底层特征集。为了消除不同量纲对于分类的影响,把底层特征集进行归一化处理。(2)提出Improved Asymmetric Bagging(IM-ASYBagging)算法解决数据非均衡问题,该算法通过采样机制可以在多数类和少数类之间形成一个“复杂”边界,从而可以将两类数据很好地分开。(3)医生临床诊断依据的是高级语义属性,而计算机辅助诊断则是依据底层特征集,为了让计算机更好地辅助医生诊断,本文先构建肺结节语义属性预测模型然后根据各属性的预测值进行良恶性判定。另外,由于不同的底层特征对应不同的语义属性,所以需要针对不同的语义属性进行特征选择。(4)肺结节分叶属性对于临床诊断有很大帮助,为了更好地刻画肺结节分叶程度,本文利用肺结节区域的最小外接圆和最大内接圆提出了三个新特征。实验结果表明,这三个新特征对于分叶属性预测模型有很大贡献。
【学位授予单位】：西北大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R734.2;TP391.1
【图文】：

影像,肺部,图像,肺结节

吸烟将会对本人身体造成不可逆转的危害[3]，患病的几率大大增加，约的 10~20 倍。吸烟不仅对本人的身体健康有很大危害，对于周围人的伤觑，长期吸食二手烟罹患肺癌的概率增加 20%~30%。此外，大气污染染、营养饮食因素等都是增加肺癌风险的病因[4]。肺癌是最可防治的癌净化城市空气、放平心态以及保持良好的生活习惯等都是保护我们远离径。结节是肺癌最常见的潜在表现形式，而且有很大几率转换为恶性肺结节：单一的、边界清晰的、影像不透明的、直径小于等于 30mm、周围完织所包绕的病变，没有肺不张、肺门增大或胸腔积液表现[5]，如下图 1 例图，箭头标出部分为肺结节。由于恶性肺结节早期症状不明显，不多数患者在发现时已经是晚期，错失了最佳的治疗时机，因此早期的发者意义重大。研究显示，早期的检测治疗，可以将使患者的生存率由 1[6]，由此可以看出尽早发现并治疗可以为患者争取很大的生存几率。

区域生长,灰度,像素,种子点

西北大学硕士专业学位论文12、15、30、10、8、18、13、23，由于像素点 4 的灰度值最接近于种子点所以将素点 4 合并到种子点中。此时，种子点为 1、4，灰度平均值为 8.5，其八邻域像素分别为 2、9、5、6、7、10、3、8。因为像素点 6 的灰度值与种子区域 1、4 的灰度最接近，所以将像素点 6 也纳入到该联通区域中。以此类推，不断将像素点合并到通区域中，最终完成分割任务。下图 5 描述了区域生长算法的过程，其中生长方向下图（c）所示。

区域生长,像素,灰度,肺结节

（a）原始人体 CT 切片图（b）已分割肺结节（c）肺结节边缘轮廓图图 6 基于像素灰度的区域生长算法分割过程图域生长算法的伪代码实现如下：ep1:建立于原图大小相等的存储矩阵 J（512*512）并初始化ep2:半交互式地选取一个种子点（x0,y0）ep3:判别该种子点是否包含在肺结节区域内，如果不在则重复 Step2ep4:若该种子点（x0,y0）的八邻域的像素灰度值的绝对值差小于等于 T，则点纳入并将该位置点对应的灰度值更新到 J 中ep5:不断重复 Step4，直到生长结束图 7 当前像素的八领域示例图

【参考文献】