基于CT影像的早期肺癌計算機輔助診斷關(guān)鍵技術(shù)研究.pdf

1、肺癌是導(dǎo)致當(dāng)今世界男女死亡的首要因素。臨床研究表明，肺癌的準(zhǔn)確分期對疾病的預(yù)防和預(yù)后起至關(guān)重要作用。對分期為Tl的惡性肺結(jié)節(jié)的早期檢測和手術(shù)，能顯著提高腫瘤的預(yù)后。計算機輔助診斷(Computer Aided Diagnosis, CAD)方法能幫助減少放射科醫(yī)生閱片時間，并提高診斷的準(zhǔn)確率。通常，肺癌CAD系統(tǒng)包括預(yù)處理、疑似結(jié)節(jié)檢測、假陽(False Positive, FP)減少和分類過程。預(yù)處理階段的任務(wù)是將肺結(jié)節(jié)檢測的區(qū)域局限

2、在肺內(nèi)的ROI區(qū)域，同時，減少噪聲和圖像的偽跡。為了提高肺結(jié)節(jié)檢測的敏感性，本文研究了作為肺結(jié)節(jié)檢測預(yù)處理階段的肺結(jié)節(jié)增強濾波算法。
　　 首先，本文提出了基于形態(tài)元分析（Morphological Component Analysis, MCA）的多尺度增強濾波算法。該方法源自稀疏表示和逼近理論，通過構(gòu)造描述不同特征的字典稀疏表示各向同性和各向異性的特征。本文提出的基于MCA的增強濾波利用wavelet變換表示肺結(jié)節(jié)結(jié)構(gòu)，cu

3、rvelet變換描述主要可能構(gòu)成肺結(jié)節(jié)檢測的假陽的血管結(jié)構(gòu)，并增強wavelet部分以達(dá)到增強肺結(jié)節(jié)的目的。實驗結(jié)果表明該算法可以成功地根據(jù)形狀特征將圖像中的不同目標(biāo)分離。
　　 其次，本文研究基于Hessian矩陣特征值分析方法，提出了基于平移不變?nèi)哂嘈〔ㄗ儞Q的增強濾波算法。同時，通過利用MPR（Multi-Planar Reconstruction）技術(shù)在VOI的不同視角上分析改進Hessian矩陣特征值，相對于僅在二維橫斷

4、CT層面上的分析，該方法很大程度上減少了如血管橫截或末端造成的肺結(jié)節(jié)檢測的假陽數(shù)量。
　　 同時，本文也研究了如何利用形態(tài)學(xué)和紋理等多重醫(yī)學(xué)影像特征減少肺結(jié)節(jié)檢測的搜尋范圍，并提出了相應(yīng)的有效增強濾波算法。
　　 除了醫(yī)學(xué)影像的增強技術(shù)研究外，本文也對醫(yī)學(xué)影像分割和理解作了深入的研究。圖像分割，通常作為計算機圖像理解的第一個必要步驟。本文提出了一個基于Sobolev梯度改進的光流計算分割算法，用于提取肺CT影像的VOI(

5、Volume of Interest)。該算法通過利用Sobolev空間下的梯度下降算法取代歐氏空間的梯度，使改進的光流計算對噪聲魯棒，且可以收斂到全局最優(yōu)。
　　 本文也提出了基于肺CT影像的血管分割算法。血管分割以及血管的形態(tài)及拓?fù)涞姆治鰧τ谙嚓P(guān)疾病的診斷、治療、預(yù)測和手術(shù)計劃都是至關(guān)重要的。本文在總結(jié)前人血管分割研究工作的基礎(chǔ)上，提出了一個新的水平集分割算法，利用博弈論融合了基于區(qū)域的水平集(如CV)和基于邊緣的水平集(如

6、GAC)的優(yōu)勢，并通過實驗證明該算法確實優(yōu)于僅利用單一模型的水平集方法。
　　 因為通過分析隨訪前后肺結(jié)節(jié)的生長情況，通過計算倍增時間即能有效判斷肺結(jié)節(jié)的良、惡性。因此，本文提出了基于冗余小波變換和分水嶺的肺結(jié)節(jié)識別算法。通過冗余小波變換，可以增強肺結(jié)節(jié)的邊緣信息，并同時確定疑似肺結(jié)節(jié)的ROI。利用冗余小波變換多尺度分析結(jié)果作為標(biāo)記，利用快速準(zhǔn)確的歐氏距離函數(shù)的分水嶺變換將肺結(jié)節(jié)準(zhǔn)確分割。對肺CT影像的實驗證明，該算法可以獲得比