骨掃描圖像異常檢測和分析方法研究.pdf

1、骨掃描是一種全身性醫(yī)學影像檢查,它可以比其他方法更早的發(fā)現腫瘤及腫瘤骨轉移，因此獲得了廣泛的應用。臨床醫(yī)生對骨掃描圖像的診斷工作主要包括熱點的檢測、識別和分析。實際中由于圖像成像質量和讀片醫(yī)師的主觀差異，導致不同醫(yī)生對同一病人的診斷結果存在不一致，從而影響到病人的后續(xù)治療。骨掃描圖像計算機輔助分析系統(tǒng)以圖像處理和機器學習算法為核心，對骨掃描圖像進行分析，檢測出圖像中的熱點，將熱點精準分割出來并進行量化分析。這可以很大程度上克服讀片醫(yī)師的

2、主觀差異，降低人工處理的工作量，提升診斷的靈敏度和準確率。同時，由于骨掃描圖像數量的不斷增長，醫(yī)生需要在最快的時間內通過圖像檢索系統(tǒng)從過往病例中找到類似的部位、類似的熱點類型，為醫(yī)生的診斷提供必要的參考。本文搭建了骨掃描圖像計算機輔助診斷系統(tǒng)的整體框架，并從三個方面解決了醫(yī)生的需求。
　　本文根據骨掃描圖像低信噪比、圖像邊界模糊等特點，創(chuàng)新地嘗試使用卷積稀疏編碼提取深度特征描述骨掃描圖像的細節(jié)。并結合AdaBoost分類器，從整體

3、上判斷胸廓骨掃描圖像中是否含有熱點，并實現三個級別的分類。本文進而采用多實例學習算法構建骨掃描圖像熱點概率圖，結合局部符號差異水平集，實現對熱點的初步自動分割。本文通過相關實驗證明了所提出的診斷算法和分割算法的有效性。
　　由于自動分割不可能完美地分割出所有熱點，所以本文創(chuàng)新性地提出了一種熱點交互式分割算法，使得醫(yī)生僅僅提供一個點的信息，便可完成對熱點的分割。本文使用變分推斷中的平均場方法不斷迭代向鄰域傳播輸入信息，并采用水平集實

4、現熱點分割。同時，本文利用圖割的方法，使得醫(yī)生可以對熱點分割的結果進行局部修飾。實驗表明，本文提出的交互式分割方法，可以簡單、快速和精準地分割出骨掃描圖像中的熱點。
　　另外，為了方便醫(yī)生查找以往相似的病例，本文構建了全新的基于內容的骨掃描圖像檢索系統(tǒng)。由于傳統(tǒng)的基于SIFT和詞袋的圖像特征對于骨掃描圖像描述效果一般，本文改用深度特征代替。為了同時保證檢索的準確性和快速性，本文采用了基于核函數的有監(jiān)督哈希建立索引。實驗結果表明，本