低劑量CT孤立肺結節(jié)檢測方法研究.pdf

1、肺癌是最常見的內臟惡性腫瘤，早發(fā)現(xiàn)早治療是提高肺癌病人生存率的關鍵。大部分肺癌早期以結節(jié)的征象表現(xiàn)，即直徑不超過3cm的圓形或類圓形病灶，在影像中表現(xiàn)為類圓形的致密區(qū)域。HRCT掃描是診斷肺癌的重要手段，但是，閱讀海量的CT圖像信息需要大量的時間、精力及相當?shù)拈喥?jīng)驗。由于醫(yī)生的診療水平不同和疲倦常常導致漏診，因此采用計算機輔助檢測成為趨勢。肺結節(jié)計算機輔助檢測是目前CAD的研究熱點，高精度和低假陽是系統(tǒng)的重要指標。
　　 圍繞

2、孤立性肺結節(jié)計算機輔助檢測這一課題，本文研究如下幾個方面：
　　 1、提出了一種基于最大密度投影(Maximum Intensity Projection，MIP)的HRCT二維肺結節(jié)檢測算法。將局部的三維信息融入到MIP圖像中，進而對MIP的感興趣區(qū)域進行結節(jié)檢測。此方法有效去除血管和氣管等假陽，大大提高檢測效率。
　　 2、為進一步減少假陽，提出一種基于MIP的HRCT三維肺結節(jié)檢測算法。運用研究成果1中算法進行二維

3、肺結節(jié)檢測，提取種子點進行三維自適應生長，從三維角度進行感興趣體數(shù)據(jù)特征提取和分類，從而達到肺結節(jié)三維檢測。此方法檢測精度更高。
　　 3、為解決肺結節(jié)自動檢測問題，建立基于二維醫(yī)學征象的肺部結節(jié)模式識別方法。根據(jù)肺部圖像的特點，系統(tǒng)地提取圖像的灰度、幾何、紋理和位置等四類特征，針對這些醫(yī)學征象，設計基于多維特征的SVM分類器，將泛化能力良好的SVM分類器應用于肺結節(jié)與正常組織的分類中，取得了較好的檢測結果。
　　 經(jīng)過