肺結(jié)節(jié)圖像的分析與識(shí)別.pdf

1、肺癌的發(fā)生率在癌癥中位居第二，是世界上最主要的死亡原因之一，其早期表現(xiàn)多為肺結(jié)節(jié)，因此肺結(jié)節(jié)的檢測(cè)與診斷對(duì)肺癌的早期診治十分重要。另外，肺是轉(zhuǎn)移瘤的好發(fā)臟器，轉(zhuǎn)移瘤亦是常見的肺內(nèi)惡性結(jié)節(jié)，因此鑒別轉(zhuǎn)移瘤與良性結(jié)節(jié)對(duì)于指導(dǎo)臨床進(jìn)一步治療也有重要意義。CT在肺結(jié)節(jié)的檢出和定性中起著重要的作用，近年來，隨著多層螺旋CT（Multi-Slice Computed Tomography，MSCT）、高分辨CT（High Resolution Co

2、mputed Tomography，HRCT）及低劑量胸部CT（Low Dose Computed Tomography，LDCT）的應(yīng)用，肺小結(jié)節(jié)與早期肺癌的檢出率不斷提高。為了降低肺結(jié)節(jié)漏檢、錯(cuò)檢的可能性，提高結(jié)節(jié)的檢出率以及診斷的精確性，必須應(yīng)用計(jì)算機(jī)圖像處理技術(shù)對(duì)肺結(jié)節(jié)圖像進(jìn)行自動(dòng)分析與識(shí)別，輔助放射科醫(yī)師進(jìn)行評(píng)價(jià)和診斷。 實(shí)現(xiàn)肺結(jié)節(jié)自動(dòng)分析與識(shí)別的關(guān)鍵技術(shù)是：肺結(jié)節(jié)分割、檢測(cè)、診斷等一系列圖像處理、分析和理解算法的研究

3、和應(yīng)用。由于醫(yī)學(xué)圖像具有：邊緣模糊、灰度不均勻、個(gè)體差異大、偽影和噪聲影響等特點(diǎn)，因此相關(guān)的算法研究要達(dá)到靈敏度和精確度上的較高要求都有很大的難度。本文針對(duì)肺部CT圖像的醫(yī)學(xué)特征，在肺實(shí)質(zhì)圖像分割、疑似結(jié)節(jié)圖像分析與提取、肺結(jié)節(jié)檢測(cè)與診斷這幾個(gè)方向上進(jìn)行了深入研究和大量實(shí)驗(yàn)。本文的主要工作包括： 1.肺實(shí)質(zhì)CT圖像快速優(yōu)質(zhì)分割 為了提高肺結(jié)節(jié)檢測(cè)與診斷的準(zhǔn)確性，大多數(shù)的肺部CAD（Computer Aided Diagn

4、osis）方法都需要對(duì)圖像進(jìn)行預(yù)處理，即首先確定雙肺的邊界，這個(gè)步驟稱為“肺實(shí)質(zhì)分割（lung segmentation）”。在肺實(shí)質(zhì)分割的過程中，由于左、右肺前內(nèi)側(cè)之間的縱隔區(qū)比較狹窄，當(dāng)存在部分容積效應(yīng)現(xiàn)象時(shí)，這個(gè)區(qū)域與肺區(qū)的對(duì)比度往往很低，造成左右肺區(qū)不能被成功分割。 本文根據(jù)胸部CT圖像的影像學(xué)和解剖學(xué)特征，結(jié)合最佳閾值法、數(shù)學(xué)形態(tài)學(xué)方法，對(duì)圖像進(jìn)行了粗分割；然后針對(duì)分割后經(jīng)常出現(xiàn)的左右肺未完全分離的情況，提出了快速自適

5、應(yīng)的優(yōu)化分割方法：應(yīng)用基于部件分析的連接判斷方法，快速的進(jìn)行左右肺是否連接的判斷；應(yīng)用基于投影積分?jǐn)?shù)據(jù)的自適應(yīng)區(qū)域定位方法，快速的定位左右肺相連接的區(qū)域：應(yīng)用對(duì)內(nèi)外控制標(biāo)記符進(jìn)行自適應(yīng)計(jì)算的分水嶺分割算法，有效的進(jìn)行再分割。 2.肺部結(jié)節(jié)圖像的自適應(yīng)形態(tài)分割 肺結(jié)節(jié)的自動(dòng)分割是準(zhǔn)確提取結(jié)節(jié)特征的前提。肺結(jié)節(jié)的主要分割依據(jù)是：結(jié)節(jié)中心具有較高CT值，而結(jié)節(jié)的邊界是不規(guī)則的閉合或半閉合曲線。由于缺乏金標(biāo)準(zhǔn)，相關(guān)肺結(jié)節(jié)分割方法

6、的比較和評(píng)價(jià)非常困難，而大多數(shù)方法存在的問題都是：所建立的模型不能適用于所有類型的結(jié)節(jié)，特別是鄰近血管、氣管、胸膜的結(jié)節(jié)和形狀不規(guī)則以及表現(xiàn)為有“暈征”的結(jié)節(jié)。 本文進(jìn)行肺結(jié)節(jié)自動(dòng)分割的思路是：結(jié)合多種算法的優(yōu)點(diǎn)進(jìn)行分割。首先，應(yīng)用FCM（Fuzzy C-Means）方法對(duì)肺實(shí)質(zhì)圖像進(jìn)行快速分割，獲得候選結(jié)節(jié)的基本位置特征，然后應(yīng)用基于對(duì)比度和梯度的區(qū)域增長算法，對(duì)每個(gè)候選結(jié)節(jié)進(jìn)行精細(xì)分割，獲得候選結(jié)節(jié)的基本圖像，最后，判斷候選

7、結(jié)節(jié)是否與胸膜相連和與血管相連，分別應(yīng)用“圓切法”和“吹球法”，實(shí)現(xiàn)了結(jié)節(jié)圖像的自適應(yīng)優(yōu)質(zhì)分割。 3.肺結(jié)節(jié)自動(dòng)檢測(cè)分類 對(duì)肺結(jié)節(jié)進(jìn)行評(píng)價(jià)的常規(guī)方法之一是：對(duì)其形態(tài)、大小、密度、強(qiáng)化模式及生長模式等特征進(jìn)行綜合分析判斷。在不同類的結(jié)節(jié)中，孤立性大結(jié)節(jié)的識(shí)別準(zhǔn)確率相對(duì)較高，而由于各種解剖結(jié)構(gòu)和病理因素的影響，其它類型的肺結(jié)節(jié)檢出率都不高，如與血管、氣管、肺壁等組織連接的特殊形態(tài)的肺結(jié)節(jié)，直徑小于5mm的微小結(jié)節(jié)，及帶磨玻璃

8、影的肺結(jié)節(jié)等。 本文的肺結(jié)節(jié)自動(dòng)檢測(cè)方法是：首先分析和提取肺結(jié)節(jié)的基本灰度、形態(tài)和空間特征，如：灰度均值、灰度標(biāo)準(zhǔn)差、面積、半徑、似圓度、矩形度等，測(cè)量和計(jì)算肺結(jié)節(jié)相關(guān)的特征值，應(yīng)用線性判別分類函數(shù)（Linear Discriminant Analysis，LDA）對(duì)疑似結(jié)節(jié)進(jìn)行初步分類，然后再應(yīng)用徑向梯度指數(shù)RGI等特征，對(duì)已分類結(jié)節(jié)進(jìn)行假陽性篩除，提高肺結(jié)節(jié)的檢測(cè)精度。 4.肺結(jié)節(jié)自動(dòng)良惡性鑒別 識(shí)別和判斷肺

9、結(jié)節(jié)對(duì)于有經(jīng)驗(yàn)的醫(yī)師都是難題，遑論計(jì)算機(jī)系統(tǒng)，要改進(jìn)識(shí)別的方法、提高診斷的準(zhǔn)確率，都非常困難。目前，針對(duì)肺結(jié)節(jié)良惡性鑒別診斷的研究主要集中在各種機(jī)器學(xué)習(xí)方法，而由于肺結(jié)節(jié)特征數(shù)據(jù)的高維、非線性等特征，給這些方法帶來了高維數(shù)災(zāi)難、線性模型失效等急待解決的問題。 本文研究了解決有限樣本集學(xué)習(xí)的支持向量機(jī)（Support Vector Machines，SVM）分類思想，提出了應(yīng)用SVM進(jìn)行肺結(jié)節(jié)良惡性分類的方法：考慮到線性不可分情況

10、，引入了松弛變量和懲罰因子進(jìn)行SVM分類器訓(xùn)練，實(shí)現(xiàn)了肺結(jié)節(jié)的良惡性初步診斷。 雖然本文在提高肺實(shí)質(zhì)和肺結(jié)節(jié)的分割準(zhǔn)確率、減少肺結(jié)節(jié)的假陽性診斷等方面獲得了一定的進(jìn)展，但是仍有一些不足：（1）本文對(duì)肺結(jié)節(jié)CT圖像數(shù)據(jù)的采集和整理還不夠規(guī)范，未能形成一個(gè)數(shù)據(jù)規(guī)模足夠大、結(jié)節(jié)類型足夠完整的肺結(jié)節(jié)數(shù)據(jù)庫；（2）本文僅對(duì)孤立性肺結(jié)節(jié)和與血管或胸膜相連肺結(jié)節(jié)的分割進(jìn)行了研究，而其他不規(guī)則結(jié)節(jié)的處理還有待下一步的工作；（3）本文對(duì)肺結(jié)節(jié)特征