基于DR胸片的肺塵病輔助診斷系統關鍵技術研究.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雜且對象群體龐大，致使有關政府、企業(yè)及醫(yī)療機構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。從目前數字化圖像的處理與分析技術發(fā)展以及各大醫(yī)院所擁有的數字化X線攝影DR設備數量來看，開發(fā)基于DR胸片的塵肺病計算機輔助診斷系統的條件已經基本具備且具有重要意義。本文通過深入研究數字圖像的處理技

2、術以及塵肺病DR胸片的顯示特點，提出并實現了利用計算機對DR塵肺胸片進行自動分期判讀的關鍵技術。
　　 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)方法實現對肺野的紋理特征的描述，最后依據塵肺專家對DR胸片的人工判讀結果，采用BP神經網絡分類器對GLCM特征值向量進行分類，

3、從而實現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果表明，本文所提出的基于DR胸片的醫(yī)學圖像處理與分析關鍵技術是實用和有效的，基本達到了預期的效果和目標。
　　 (2)研究并實現了對不同期別塵肺DR胸片的肺野區(qū)域進行有效分割的關鍵技術。針對塵肺DR胸片在受到塵肺病變多樣性的影響，導致運用傳統方法無法實現肺野精確分割的情況下，提出了基于小波變換與Snake模型算法相結合的肺野分割方法。即:首先依據DR塵肺

4、胸片的灰度分布特征，對目標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，從而實現對肺野區(qū)域的精確分割。
　　 (3)研究并實現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鍵技術。針對不同期別塵肺DR胸片所表現出的不同紋理特征，提出了基于灰度共生矩

5、陣與BP神經網絡相結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(COR)、逆差距(IDM)等為主要參數的特征值向量，最后再依據塵肺專家對胸片的肺野陰影密集度的判讀結果，采用BP神經網絡分類器對特征值向量進行分類。設計的網絡采用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