基于PET-CT的孤立性肺結節(jié)分割及分類方法的研究.pdf

1、隨著胸部PET-CT圖像在臨床上的應用越來越廣，PET-CT技術已經成為醫(yī)生進行肺部功能評估以及肺結節(jié)病理研究與診斷的重要手段之一。然而，PET-CT掃描會產生大量的圖像數據，直接增加醫(yī)生的工作量，帶來漏診率和誤診率的增加。計算機輔助診斷方法是結合計算機技術和影像學診斷方法進行醫(yī)學圖像中病變的輔助檢測和診斷的，相對于主觀的、不穩(wěn)定的人工閱片，計算機相對客觀和一致的判斷能夠提高對病變檢測和診斷的敏感性和特異性。孤立性肺結節(jié)是大多數肺癌的早

2、期表現，盡早實現對孤立性肺結節(jié)的檢測與診斷是提高患者生存率的關鍵。因此，基于PET-CT胸片的孤立性肺結節(jié)計算機輔助診斷方法成為研究的熱點。
　　在基于醫(yī)學影像的肺部疾病計算機輔助診斷系統(tǒng)中，分割技術是實現孤立性肺結節(jié)檢測的基礎，分類技術是實現肺結節(jié)良惡性診斷的關鍵，因此，本文的研究主要從肺結節(jié)的分割和分類算法展開。
　　在孤立性肺結節(jié)分割算法的研究方面，提出了一種基于子區(qū)域聚類的肺結節(jié)分割方法，其中的聚類算法是采用基于粒子

3、群優(yōu)化的自生成神經網絡。該算法主要是針對含有磨玻璃、空泡等成分的非（亞）實性肺結節(jié)的分割問題提出的，這一類肺結節(jié)由于其內部密度不均勻、邊界對比度不高，而在傳統(tǒng)的分割算法中分割效果不理想。本文提出的分割方法首先將圖像粗分割為小區(qū)域，然后基于CT特征采用智能尋優(yōu)的聚類算法自適應地進行區(qū)域聚類，最后基于PET特征實現目標區(qū)域的檢測與分割。在臨床數據上的實驗結果表明，該算法對實性和非（亞）實性肺結節(jié)都能夠實現完整分割。
　　在孤立性肺結節(jié)

4、分類算法的研究中，首先提取和構造了孤立性肺結節(jié)的特征數據集，然后基于自生成神經網絡算法在解決聚類和分類問題中的優(yōu)勢，構建了一種基于混合優(yōu)化的自生成神經網絡算法的分類器，研究了其在孤立性肺結節(jié)的分類應用中的有效性。在分類器訓練過程中，設計了一種綜合剪枝優(yōu)化和M-L優(yōu)化的網絡優(yōu)化方法，有監(jiān)督地對分類網絡結構進行調整。在測試階段，采用基于類中心距離和自動連接距離的識別方法將病灶進行良惡性分類。在分類數據集上的仿真實驗結果表明，基于改進自生成神