基于DR胸片的肺塵病輔助診斷系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、塵肺病是一種肺組織纖維化的疾病，主要是由于人們在生產(chǎn)環(huán)境中長期吸入生成性粉塵而引起，這種疾病對患者的危害極大。由于塵肺病體檢過程復(fù)雜且對象群體龐大，致使有關(guān)政府、企業(yè)及醫(yī)療機構(gòu)都要花費大量的人力、物力和財力用于對職工的塵肺體檢、診斷與治療工作。從目前數(shù)字化圖像的處理與分析技術(shù)發(fā)展以及各大醫(yī)院所擁有的數(shù)字化X線攝影DR設(shè)備數(shù)量來看，開發(fā)基于DR胸片的塵肺病計算機輔助診斷系統(tǒng)的條件已經(jīng)基本具備且具有重要意義。本文通過深入研究數(shù)字圖像的處理技

2、術(shù)以及塵肺病DR胸片的顯示特點，提出并實現(xiàn)了利用計算機對DR塵肺胸片進行自動分期判讀的關(guān)鍵技術(shù)。
　　 本論文主要做了以下創(chuàng)新性工作:
　　 (1)提出了利用計算機對不同期別的塵肺DR胸片實現(xiàn)自動分期判讀的綜合流程，即首先對不同期別的DR胸片實現(xiàn)肺野區(qū)域的精確分割，然后運用灰度共生矩陣(GLCM)方法實現(xiàn)對肺野的紋理特征的描述，最后依據(jù)塵肺專家對DR胸片的人工判讀結(jié)果，采用BP神經(jīng)網(wǎng)絡(luò)分類器對GLCM特征值向量進行分類，

3、從而實現(xiàn)對不同期別塵肺的自動分期判讀。通過運用實際臨床樣本對這一流程的測試結(jié)果表明，本文所提出的基于DR胸片的醫(yī)學(xué)圖像處理與分析關(guān)鍵技術(shù)是實用和有效的，基本達到了預(yù)期的效果和目標(biāo)。
　　 (2)研究并實現(xiàn)了對不同期別塵肺DR胸片的肺野區(qū)域進行有效分割的關(guān)鍵技術(shù)。針對塵肺DR胸片在受到塵肺病變多樣性的影響，導(dǎo)致運用傳統(tǒng)方法無法實現(xiàn)肺野精確分割的情況下，提出了基于小波變換與Snake模型算法相結(jié)合的肺野分割方法。即:首先依據(jù)DR塵肺

4、胸片的灰度分布特征，對目標(biāo)圖像在空間域進行線性變換增強，然后再對圖像進行基于小波變換的多尺度分解，再利用Canny邊緣檢測算法對不同尺度的低頻圖像進行邊緣提取并融合，以獲取肺野區(qū)域的初始輪廓，最后再用GVF Snake模型算法對該初始輪廓進行修正優(yōu)化，從而實現(xiàn)對肺野區(qū)域的精確分割。
　　 (3)研究并實現(xiàn)了對不同期別塵肺肺野的紋理特征進行有效提取與分類關(guān)鍵技術(shù)。針對不同期別塵肺DR胸片所表現(xiàn)出的不同紋理特征，提出了基于灰度共生矩

5、陣與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的肺野紋理特征提取與分類方法。即:首先對肺野圖像的灰度級做適當(dāng)降階處理，然后計算圖像的灰度共生矩陣(GLCM)并生成該矩陣的二階矩(ASM)、對比度(CON)、自相關(guān)(COR)、逆差距(IDM)等為主要參數(shù)的特征值向量，最后再依據(jù)塵肺專家對胸片的肺野陰影密集度的判讀結(jié)果，采用BP神經(jīng)網(wǎng)絡(luò)分類器對特征值向量進行分類。設(shè)計的網(wǎng)絡(luò)采用bootstrap法進行測試，運行效果良好，分類最高正確率可達100％，平均正確率達68