肺部磨玻璃密度影的分割算法研究.pdf

1、肺癌是嚴(yán)重威脅廣大人民群眾的重大疾病。僅2012年，肺癌就奪走了109.8萬(wàn)男性，49萬(wàn)女性的生命。肺癌的早期確診是延長(zhǎng)肺癌患者五年生存率的有效途徑，同時(shí)也是減輕患者家庭負(fù)擔(dān)的最有效辦法。磨玻璃密度影（Ground Glass Opacity，GGO）是肺癌在CT影像中的重要早期表現(xiàn)，但同時(shí)也是一種非特異性表現(xiàn)。目前，GGO的良惡性判斷主要是通過(guò)檢測(cè)和分析GGO的形態(tài)學(xué)特征（如大小、形狀、邊緣、粘連結(jié)構(gòu)、是否內(nèi)含實(shí)質(zhì)性成分等）及特征的生

2、長(zhǎng)變化來(lái)進(jìn)行，GGO的準(zhǔn)確分割是以上工作的重要前提。
　　當(dāng)前，已經(jīng)有部分GGO分割算法被提出，但是其分割效果均不太理想。尤其是當(dāng)前的分割算法主要以分割出GGO的主體部分為目標(biāo)，忽略了GGO的邊緣結(jié)構(gòu)（如毛刺、條索等），不僅造成了目標(biāo)對(duì)象的過(guò)分割，影響了GGO面積的測(cè)量，而且會(huì)造成后期GGO特征分析的偏差、GGO良惡性判斷的錯(cuò)誤。本文提出了基于區(qū)域自適應(yīng)權(quán)重的馬爾科夫隨機(jī)場(chǎng)模型的GGO分割算法，實(shí)現(xiàn)了GGO較為準(zhǔn)確的分割。但該模型

3、中的正常肺實(shí)質(zhì)灰度分布模型參數(shù)嚴(yán)重依賴于訓(xùn)練樣本，GGO的灰度分布模型參數(shù)需要依據(jù)GGO的初分割結(jié)果進(jìn)行更新，兩者都會(huì)影響到實(shí)驗(yàn)的運(yùn)算速度和分割結(jié)果準(zhǔn)確性。為此，本文進(jìn)一步提出了基于馬爾科夫隨機(jī)場(chǎng)的二維大津法模型和混合類泊松模型來(lái)實(shí)現(xiàn)GGO的分割。本文內(nèi)容分為以下四個(gè)部分：1、肺實(shí)質(zhì)的自動(dòng)分割；2、基于區(qū)域自適應(yīng)權(quán)重的馬爾科夫隨機(jī)場(chǎng)（Markov Random Field，MRF）模型；3、基于MRF的二維大津法模型；4、基于MRF的有

4、限混合類泊松模型。
　　肺實(shí)質(zhì)的準(zhǔn)確分割能夠有效的排除胸部CT圖像內(nèi)與GGO分割、特征分析無(wú)關(guān)因素（如CT檢查床、衣物、胸壁、縱膈等）的影響，減少計(jì)算量和計(jì)算誤差，提高GGO的分割準(zhǔn)確性。本文在肺實(shí)質(zhì)的分割過(guò)程中首先使用基于OSTU（大津法）的閾值法確定分割閾值、利用連通域標(biāo)記法填充肺實(shí)質(zhì)區(qū)域內(nèi)空洞、借助投影法確定左右肺實(shí)質(zhì)是否未分離及ROI區(qū)域；然后基于滾球法和凸包法來(lái)實(shí)現(xiàn)肺實(shí)質(zhì)的邊緣平滑修補(bǔ)。從而得到較為完整的肺實(shí)質(zhì)分割結(jié)果。

5、
　　基于區(qū)域自適應(yīng)權(quán)重的MRF模型是指該馬爾科夫隨機(jī)場(chǎng)中的轉(zhuǎn)移概率是一個(gè)基于局部隸屬度的自適應(yīng)參數(shù)。該參數(shù)在隸屬于GGO的隸屬度與隸屬于正常肺實(shí)質(zhì)區(qū)域的隸屬度有較大差別的局部區(qū)域內(nèi)取得較大的值，在隸屬于GGO的隸屬度與隸屬于正常肺實(shí)質(zhì)的隸屬度較為接近的區(qū)域內(nèi)取較小的值。基于該模型，GGO得到了較為準(zhǔn)確的分割。
　　基于MRF的二維大津法是在二維大津法的類間方差計(jì)算公式中引入了基于MRF的平滑能量。該能量能夠有效的調(diào)節(jié)使用最

6、優(yōu)閾值得到的GGO潛在區(qū)域的個(gè)數(shù)及潛在區(qū)域的大小，有效的抑制過(guò)小肺紋理的影響、減少后期GGO識(shí)別過(guò)程的工作量。
　　基于MRF的有限混合類泊松模型是在考慮像素點(diǎn)的空間關(guān)系的前提下，使用有限個(gè)類泊松模型對(duì)肺實(shí)質(zhì)的灰度分布進(jìn)行擬合的一個(gè)算法模型。它充分利用了正常肺實(shí)質(zhì)、GGO、高密度肺紋理等區(qū)域的灰度分布類似于泊松分布（或偏正態(tài)分布）的性質(zhì)，能夠更好的對(duì)像素點(diǎn)進(jìn)行歸類。
　　本文通過(guò)專家打分法來(lái)評(píng)價(jià)基于該三種算法的GGO分割結(jié)果