Auto Diagnostics of Lung Nodules Using Minimal Characteristics Extraction Technique.pdf

1、計(jì)算機(jī)技術(shù)日益興起后，正快速擴(kuò)張進(jìn)入其他領(lǐng)域。醫(yī)療領(lǐng)域也在利用這一趨勢，通過提供準(zhǔn)確和可靠的醫(yī)療服務(wù)來打造競爭優(yōu)勢。肺癌，作為一種被認(rèn)為是眾多癌癥中帶走更多人生命的一種疾病，需要更早期的檢測手段。肺結(jié)節(jié)代表了肺癌的早期階段，對肺癌的早期診斷重要性不言而喻。計(jì)算機(jī)輔助檢測系統(tǒng)(CAD)作為計(jì)算機(jī)技術(shù)的代表，為臨床帶來了肺結(jié)節(jié)檢測的新工具和新方法。但目前CAD技術(shù)在這一領(lǐng)域的作用仍然薄弱，為促進(jìn)系統(tǒng)可靠性提高和性能提升，很多研究尚待進(jìn)一步深

2、入。
　　本研究開發(fā)了一種肺結(jié)節(jié)檢測方法，該研究工作由四個環(huán)節(jié)組成。首先采用圖像采集和預(yù)處理技術(shù)將肺從身體中分割出來;第二步是肺內(nèi)部結(jié)構(gòu)的提取;隨后確定可能候選的八個最典型特征;最后利用向量機(jī)根據(jù)候選樣本的特征進(jìn)行結(jié)節(jié)和非結(jié)節(jié)的分類。此研究工作主要解決了以下三個問題:
　　a)開發(fā)了一種不丟失肺胸膜附近肺結(jié)節(jié)的肺提取方法。肺提取由于結(jié)節(jié)類型的不同則復(fù)雜性不同，該方法使用了最小誤差閾值技術(shù)和預(yù)處理算法來檢測大部分肺部輪廓。當(dāng)接

3、近肺胸膜部分的肺結(jié)節(jié)出現(xiàn)時，圖像分割難度提高，使用區(qū)域生長算法以增強(qiáng)肺的邊界和減少關(guān)鍵信息的損失。
　　b)制定一個檢測和區(qū)分可能肺結(jié)節(jié)結(jié)構(gòu)的圖像分割算法。肺內(nèi)部結(jié)構(gòu)的分割分為兩部分，首先用二維算法遍歷肺部每一層的非結(jié)構(gòu)信息，其次通過三維的BLOB算法與連接算法結(jié)合來找到可能的肺結(jié)節(jié)。這些算法的組合有效地降低了誤報(bào)率，不同尺寸的分割可提供對結(jié)節(jié)結(jié)構(gòu)更好的描述和選擇。
　　c)通過使用支持向量機(jī)實(shí)現(xiàn)較好的結(jié)節(jié)檢測和假陽性消除效

4、果。采用與幾何和直方圖相關(guān)的參數(shù)作為獲得這些結(jié)節(jié)特征的主要來源，使用相關(guān)性分析方法，選擇八大特征來定義肺結(jié)節(jié)的特征描述，將提取的特征輸入到支持向量機(jī)（SVM）中，用來將樣本根據(jù)它們的特征分成結(jié)節(jié)和非結(jié)節(jié)。
　　整個算法性能綜合評價，通過對專家讀取的肺節(jié)結(jié)具體位置與該系統(tǒng)預(yù)測的位置進(jìn)行比較后驗(yàn)證。
　　通過上述工作的完成，建立了從數(shù)據(jù)采集到最終結(jié)節(jié)呈現(xiàn)的完整的肺部結(jié)節(jié)檢測系統(tǒng)。所提出的方法魯棒性高，結(jié)果良好。對分別來自TCIA