基于DR胸片的肺塵病輔助診斷系統(tǒng)關(guān)鍵技術(shù)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?cè)谏a(chǎn)環(huán)境中長(zhǎng)期吸入生成性粉塵而引起，這種疾病對(duì)患者的危害極大。由于塵肺病體檢過程復(fù)雜且對(duì)象群體龐大，致使有關(guān)政府、企業(yè)及醫(yī)療機(jī)構(gòu)都要花費(fèi)大量的人力、物力和財(cái)力用于對(duì)職工的塵肺體檢、診斷與治療工作。從目前數(shù)字化圖像的處理與分析技術(shù)發(fā)展以及各大醫(yī)院所擁有的數(shù)字化X線攝影DR設(shè)備數(shù)量來看，開發(fā)基于DR胸片的塵肺病計(jì)算機(jī)輔助診斷系統(tǒng)的條件已經(jīng)基本具備且具有重要意義。本文通過深入研究數(shù)字圖像的處理技

2、術(shù)以及塵肺病DR胸片的顯示特點(diǎn)，提出并實(shí)現(xiàn)了利用計(jì)算機(jī)對(duì)DR塵肺胸片進(jìn)行自動(dòng)分期判讀的關(guān)鍵技術(shù)。
　　 本論文主要做了以下創(chuàng)新性工作:
　　 (1)提出了利用計(jì)算機(jī)對(duì)不同期別的塵肺DR胸片實(shí)現(xiàn)自動(dòng)分期判讀的綜合流程，即首先對(duì)不同期別的DR胸片實(shí)現(xiàn)肺野區(qū)域的精確分割，然后運(yùn)用灰度共生矩陣(GLCM)方法實(shí)現(xiàn)對(duì)肺野的紋理特征的描述，最后依據(jù)塵肺專家對(duì)DR胸片的人工判讀結(jié)果，采用BP神經(jīng)網(wǎng)絡(luò)分類器對(duì)GLCM特征值向量進(jìn)行分類，

3、從而實(shí)現(xiàn)對(duì)不同期別塵肺的自動(dòng)分期判讀。通過運(yùn)用實(shí)際臨床樣本對(duì)這一流程的測(cè)試結(jié)果表明，本文所提出的基于DR胸片的醫(yī)學(xué)圖像處理與分析關(guān)鍵技術(shù)是實(shí)用和有效的，基本達(dá)到了預(yù)期的效果和目標(biāo)。
　　 (2)研究并實(shí)現(xiàn)了對(duì)不同期別塵肺DR胸片的肺野區(qū)域進(jìn)行有效分割的關(guān)鍵技術(shù)。針對(duì)塵肺DR胸片在受到塵肺病變多樣性的影響，導(dǎo)致運(yùn)用傳統(tǒng)方法無法實(shí)現(xiàn)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(jié)合的肺野分割方法。即:首先依據(jù)DR塵肺

4、胸片的灰度分布特征，對(duì)目標(biāo)圖像在空間域進(jìn)行線性變換增強(qiáng)，然后再對(duì)圖像進(jìn)行基于小波變換的多尺度分解，再利用Canny邊緣檢測(cè)算法對(duì)不同尺度的低頻圖像進(jìn)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(duì)該初始輪廓進(jìn)行修正優(yōu)化，從而實(shí)現(xiàn)對(duì)肺野區(qū)域的精確分割。
　　 (3)研究并實(shí)現(xiàn)了對(duì)不同期別塵肺肺野的紋理特征進(jìn)行有效提取與分類關(guān)鍵技術(shù)。針對(duì)不同期別塵肺DR胸片所表現(xiàn)出的不同紋理特征，提出了基于灰度共生矩

5、陣與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的肺野紋理特征提取與分類方法。即:首先對(duì)肺野圖像的灰度級(jí)做適當(dāng)降階處理，然后計(jì)算圖像的灰度共生矩陣(GLCM)并生成該矩陣的二階矩(ASM)、對(duì)比度(CON)、自相關(guān)(COR)、逆差距(IDM)等為主要參數(shù)的特征值向量，最后再依據(jù)塵肺專家對(duì)胸片的肺野陰影密集度的判讀結(jié)果，采用BP神經(jīng)網(wǎng)絡(luò)分類器對(duì)特征值向量進(jìn)行分類。設(shè)計(jì)的網(wǎng)絡(luò)采用bootstrap法進(jìn)行測(cè)試，運(yùn)行效果良好，分類最高正確率可達(dá)100％，平均正確率達(dá)68