基于低劑量CT圖像的肺結(jié)節(jié)分割算法研究.pdf

1、肺癌是當今世界上致死率最高的疾病之一，而在我國由于煙民數(shù)量的增大以及環(huán)境的惡化，導致肺癌的發(fā)病率呈增長趨勢。肺癌在早期一般以肺結(jié)節(jié)的形式出現(xiàn)，因此盡早發(fā)現(xiàn)肺結(jié)節(jié)并進行早期診斷和治療，能夠?qū)Ψ伟┑陌l(fā)生起到有效的預防作用。當前肺結(jié)節(jié)的檢測主要通過CT影像設(shè)備實現(xiàn)，而傳統(tǒng)劑量的CT輻射強，對人體危害大，所以輻射相對較小的低劑量CT檢測在當今社會臨床應(yīng)用越來越普遍。在利用低劑量CT進行檢測過程中，由于影像采集過程中使用劑量小，導致CT圖像中噪聲

2、較多，降低了目標區(qū)域和背景區(qū)域?qū)Ρ榷?，對肺結(jié)節(jié)的分割精度產(chǎn)生較大的影響。因此研究基于低劑量CT圖像的肺結(jié)節(jié)分割算法具有很大臨床應(yīng)用價值。
　　為了減少低劑量胸部 CT圖像的肺結(jié)節(jié)分割過程中噪聲及灰度分布不均勻等問題的干擾，本文做了以下幾個方面的工作：
　　1）在預處理過程中，首先對低劑量 CT圖像進行小波去噪，在濾除圖像中大部分噪聲的同時保留圖像細節(jié)，避免了有效信息的丟失。然后對去噪后的圖像進行二值化分割，利用形態(tài)學方法獲取

3、肺實質(zhì)，并利用滾球法對邊界進行修補，最終得到完整的肺實質(zhì)。算法簡單、計算量小并且效果較好。
　　2）通過對當前醫(yī)學圖像分割領(lǐng)域中應(yīng)用較多的活動輪廓模型算法進行研究分析，并結(jié)合低劑量 CT圖像的特點，選擇基于圖像局部像素點信息的LBF模型作為肺結(jié)節(jié)分割的基礎(chǔ)算法模型。
　　3）針對LBF模型的缺陷，結(jié)合圖像中不同區(qū)域相對于肺結(jié)節(jié)的模糊隸屬度不同的模糊聚類思想，在LBF模型中引入模糊速度函數(shù)作為輪廓線演化的限制權(quán)重因子，從而可排

4、除分割時噪聲等因素的干擾。然而在實際臨床中，肺結(jié)節(jié)多以血管粘連型出現(xiàn)，由于肺實質(zhì)中血管和肺結(jié)節(jié)的像素灰度值接近，使得這兩個區(qū)域內(nèi)的像素點相對于肺結(jié)節(jié)的模糊隸屬度近似，這就會導致在分割血管粘連型肺結(jié)節(jié)的時候，將肺結(jié)節(jié)和血管劃分為同一類，導致誤分割。為了解決該問題，本文根據(jù)血管區(qū)域像素的特征值，對模糊隸屬度進行改進，引入血管特征系數(shù)，降低血管區(qū)域的影響，從而可有效將肺結(jié)節(jié)和血管分割開。經(jīng)實驗驗證本文提出的算法相比于傳統(tǒng)模型可有效提高肺結(jié)節(jié)的