面向肺疾病檢測(cè)的胸腔CT影像分割研究.pdf

1、肺癌是當(dāng)今世界人數(shù)死亡最多的癌癥，在早期對(duì)它進(jìn)行檢測(cè)、診斷和治療是提高肺癌患者生存率的重要手段。肺癌的早期征狀是以小肺結(jié)節(jié)的形態(tài)出現(xiàn)，故對(duì)肺結(jié)節(jié)的及早檢出與及時(shí)治療對(duì)挽救肺癌患者生命具有重要意義。隨著醫(yī)學(xué)CT(Computed Tomography))技術(shù)的進(jìn)步，醫(yī)學(xué)CT檢查獲得影像數(shù)據(jù)的大量增加，其能提供更多器官、組織信息的同時(shí)，也給醫(yī)生帶來了極大的讀片工作負(fù)擔(dān)。為提高醫(yī)生的工作效率、減輕工作強(qiáng)度和克服讀片中人為因素的影響以及提高對(duì)肺

2、疾病的檢出率，急需研究對(duì)胸腔CT影像中各種肺疾病進(jìn)行自動(dòng)檢測(cè)的方法。而研究這樣的方法，其首要的任務(wù)就是對(duì)胸腔CT影像中肺各組織進(jìn)行正確的分割。由此，本文以胸腔CT影像為研究對(duì)象，以肺疾病自動(dòng)檢測(cè)為目的，通過結(jié)合人體的肺解剖結(jié)構(gòu)、CT成像機(jī)理等知識(shí)，對(duì)肺的各組織、病變的分割方法展開研究。研究大致內(nèi)容如下：
　　從胸腔CT影像正確分割肺是進(jìn)行肺疾病自動(dòng)檢測(cè)的重要步驟與首要任務(wù)，由此研究了一種結(jié)合同態(tài)學(xué)處理和CT閾值分割相結(jié)合的肺野分割

3、算法。它在肺解剖知識(shí)模型的引導(dǎo)下，能夠?qū)τ腥~裂的肺野、分割粘連的肺野和有縱隔邊緣凹陷的肺野均能進(jìn)行正確處理和分割。
　　針對(duì)有高密度近胸膜肺結(jié)節(jié)肺野，研究了一種基于先驗(yàn)形狀約束的活動(dòng)輪廓模型的肺野分割的方法。首先它對(duì)已分割的肺野形狀進(jìn)行分類，并對(duì)這些形狀進(jìn)行分類學(xué)習(xí)獲得其PCA(Principal Component Analysis)形狀模式向量；然后通過該先驗(yàn)向量模式與活動(dòng)輪廓相結(jié)合的模型迭代擬合來完成對(duì)肺野的分割。研究表明采

4、用該方法對(duì)較規(guī)范的有邊緣高密度病變的肺野分割是完全可行的。
　　為更好地解決有高密度近胸膜肺結(jié)節(jié)肺野的分割問題，本文進(jìn)一步研究利用相鄰肺野的形狀相似特征來正確分割該類肺野的方法。首先對(duì)胸腔CT影像中的肺野形狀形成的相似流形和對(duì)肺野PCA流形進(jìn)行了研究。然后研究通過肺野流形上點(diǎn)所表達(dá)的肺野關(guān)系采用流形插值重構(gòu)肺野形狀，再進(jìn)行變形配準(zhǔn)來減小誤差的肺野分割方法。研究結(jié)果表明它是一種可行的分割方法，同時(shí)從分割結(jié)果的準(zhǔn)確性和敏感性、特異性結(jié)

5、果可看出它能分割除肺尖和肺底外有邊緣病變肺野的正確區(qū)域。
　　對(duì)平掃 CT、低劑量 CT存在著的大量噪聲的影像,開展了通過組合濾波、醫(yī)學(xué)影像增強(qiáng)、分割和分?jǐn)?shù)階微分增強(qiáng)能力等方面的研究，最后研究出了先用分?jǐn)?shù)階微分算子對(duì)肺影像增強(qiáng),再用局部最優(yōu)閾值進(jìn)行血管分割的肺血管分割方法。研究表明該方法可有效地提取血管網(wǎng)絡(luò)并得到豐富的血管細(xì)節(jié)，對(duì)比傳統(tǒng)肺血管分割方法可知它有更為準(zhǔn)確的肺血管分割能力。
　　針對(duì)成像、重建噪聲和部分容積效應(yīng)的影