結(jié)合DICOMCT序列三維信息肺結(jié)節(jié)CAD系統(tǒng)設(shè)計研究.pdf

1、肺癌是全球發(fā)病率、病死率位居首位的惡性腫瘤，死亡率約91.6％，并以每年0.5%的趨勢趨于增長，占到所有癌癥死亡數(shù)的23.8%。肺結(jié)節(jié)（Pulmonary Nodule）是早期肺癌最常見的表現(xiàn)形式，而CT影像檢查可直接顯示和觀察病變，對早期肺癌、肺結(jié)節(jié)檢查最為有效。計算機輔助診斷（Computer Aided Diagnosis, CAD）能夠克服主觀因素的影響自動分析病人CT影像序列，標注出疑似肺結(jié)節(jié)，并提供結(jié)節(jié)的形狀，體積，灰度等參

2、數(shù)信息輔助醫(yī)師做出診斷，降低了漏診、誤診幾率。
　　針對DICOM格式CT影像序列信息，結(jié)合肺部CT影像的臨床特征，本文對DICOM格式及解析過程、序列影像歸一化預(yù)處理、單幅影像自動肺實質(zhì)數(shù)據(jù)提取、序列化分割、肺結(jié)節(jié)檢測、結(jié)節(jié)二維與三維特征提取、分類判別等幾個關(guān)鍵步驟進行詳細研究和算法驗證，具體來說：首先對國際通用的DICOM醫(yī)學(xué)影像格式進行分析，對DICOM格式的解析過程進行研究，總結(jié)了近年來文獻及臨床研究發(fā)現(xiàn)的、適用于計算機輔

3、助檢測診斷的肺結(jié)節(jié)影像特點，并針對DICOM肺部CT影像序列在歸一化窗寬、窗位設(shè)定等方面進行研究和實驗。然后提出一種逐層消除背景，構(gòu)建肺實質(zhì)模板的算法來獲取全面準確的肺實質(zhì)數(shù)據(jù)，同時構(gòu)造圓形結(jié)構(gòu)數(shù)據(jù)對肺實質(zhì)模板邊界進行平滑修復(fù)，又引入基于監(jiān)督函數(shù)的圖搜索算法獲取肺實質(zhì)邊界，結(jié)合序列間相似性進行上下層映射從而實現(xiàn)自動序列化肺實質(zhì)分割。接著分別采用結(jié)合改進的局部閾值及連通域標記算法、在肺實質(zhì)三維數(shù)據(jù)空間基于灰度、梯度獲取種子點三維自適應(yīng)并行

4、區(qū)域生長算法、設(shè)計二維和三維高斯模板進行結(jié)節(jié)匹配算法進行ROI檢測，對提取的ROI區(qū)域進行輪廓提取和連通域標記提取各個ROI的位置、形狀、灰度等多個二維特征，同時結(jié)合VOI體積、球形度、對稱度、形狀矩描述算子、傅里葉描述算子等三維特征組成特征矩陣，然后采用多個樣本訓(xùn)練線性判別分類器后對ROI進行分類判別。
　　通過大量的實驗，分別以美國的LIDC(Lung Imaging Database Consortium)肺癌影像數(shù)據(jù)庫提供